CN115861475A - 动脉输入函数曲线的确定方法、装置和计算机设备 - Google Patents
动脉输入函数曲线的确定方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN115861475A CN115861475A CN202211446481.XA CN202211446481A CN115861475A CN 115861475 A CN115861475 A CN 115861475A CN 202211446481 A CN202211446481 A CN 202211446481A CN 115861475 A CN115861475 A CN 115861475A
- Authority
- CN
- China
- Prior art keywords
- input function
- curve
- data
- function curve
- scanning
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种动脉输入函数曲线的确定方法、装置和计算机设备,其中,该动脉输入函数曲线的确定方法包括:获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;基于CTP扫描数据确定初始动脉输入函数曲线;基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,重合区域为重合区域的CTA扫描数据。通过本申请,解决了动脉输入函数曲线不准确的问题,实现了提高动脉输入函数曲线准确度的技术效果。
Description
技术领域
本申请涉及医学影像技术领域,特别是涉及一种动脉输入函数曲线的确定方法、装置和计算机设备。
背景技术
CTA(Computed Tomography Angiography,血管计算机断层扫描)技术和CTP(Computed Tomography Perfusion,灌注计算机断层扫描)技术是目前检查脑卒中相关疾病的重要手段,采用CTA和CTP对大脑扫描得到的医学图像可以统称为脑CT医学图像。脑动脉CTA图像能够辅助诊断脑动脉血管的狭窄和闭塞等疾病信息,而脑CTP图像可以辅助诊断脑组织血供信息。
通过自动定位和跟踪技术,在一次扫描中,同时获得颅脑CTP和头颈CTA数据,减少造影剂量的同时,保证颅脑CTP和头颈CTA扫描处于最佳状态,能够使后续CTP和CTA的后处理得到更加稳定和准确的结果。然而由于要在动脉峰值期加入头颈CTA,会导致颅脑CTP的动脉上升到峰值期的部分信息丢失,从而导致得到的动脉输入函数曲线不准确,对后续灌注参数的计算结果的准确性产生影响。
针对相关技术中存在动脉输入函数曲线不准确的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种动脉输入函数曲线的确定方法、装置和计算机设备,以解决相关技术中动脉输入函数曲线不准确的问题。
第一个方面,在本实施例中提供了一种动脉输入函数曲线的确定方法,方法包括:获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;基于CTP扫描数据确定初始动脉输入函数曲线;基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,重合区域为重合区域的CTA扫描数据。
在其中的一个实施例中,基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线包括:基于重合区域数据确定参考动脉曲线;确定参考动脉曲线与初始动脉输入函数曲线的关联关系参数;基于关联关系参数以及参考动脉曲线确定补足曲线;基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
在其中的一个实施例中,确定参考动脉曲线与初始动脉输入函数曲线的关联关系参数包括:基于参考动脉曲线以及初始动脉输入函数曲线构建权重数组;对参考动脉曲线、初始动脉输入函数曲线以及权重数组进行线性插值,得到标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组;采用数值最优化方法对标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组进行处理,确定关联关系参数。
在其中的一个实施例中,基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线包括:将重合区域数据以及初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线;基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
在其中的一个实施例中,将重合区域数据以及初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线包括:基于重合区域数据确定参考动脉曲线;提取参考动脉曲线以及初始动脉输入函数曲线的曲线特征;基于参考动脉曲线以及初始动脉输入函数曲线每个时间点的数据以及曲线特征确定特征向量;将特征向量输入经训练的神经网络,得到补足曲线。
在其中的一个实施例中,所述获取感兴趣区域的CTP扫描数据以及CTA扫描数据包括:对所述感兴趣区域进行第一剂量扫描,并基于所述第一剂量扫描结果确定CTP扫描参数以及CTA扫描参数,所述CTA扫描参数包括扫描触发时刻以及扫描起始位置;基于所述CTP扫描参数以及CTA扫描参数,对所述感兴趣区域进行第二剂量的CTP扫描以及CTA扫描;当达到所述CTA扫描的扫描触发时刻,控制扫描床移动到预设位置,以所述扫描起始位置为起点,基于所述CTA扫描参数对所述感兴趣区域进行第二剂量的CTA扫描;基于所述第二剂量的CTP扫描结果和CTA扫描结果得到所述感兴趣区域的CTP扫描数据以及CTA扫描数据。
在其中的一个实施例中,基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线之后还包括:基于目标动脉输入函数曲线确定灌注参数。
第二个方面,在本实施例中提供了一种动脉输入函数曲线的确定装置,该装置包括:
获取模块,用于获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;
初始曲线确定模块,用于基于CTP扫描数据确定初始动脉输入函数曲线;
补足模块,用于基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,重合区域数据为重合区域的CTA扫描数据。
第三个方面,在本实施例中提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述第一个方面的动脉输入函数曲线的确定方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面的动脉输入函数曲线的确定方法。
与相关技术相比,在本实施例中提供的动脉输入函数曲线的确定方法、装置和计算机设备,通过获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;基于CTP扫描数据确定初始动脉输入函数曲线;基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,重合区域数据为重合区域的CTA扫描数据,通过对重合区域的CTA数据的处理,实现对初始动脉输入函数曲线的缺失部分的补足,解决了动脉输入函数曲线不准确的问题,实现了提高动脉输入函数曲线准确度的技术效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本实施例的动脉输入函数曲线的确定方法的终端的硬件结构框图;
图2是本实施例的动脉输入函数曲线的确定方法的流程图;
图3是相关技术中的感兴趣区域示意图;
图4是根据本申请实施例的重合区域示意图;
图5是根据本申请实施例的扫描数据获取示意图;
图6是根据本申请实施例的无监督动脉输入函数曲线补足流程示意图;
图7是根据本申请另一实施例的有监督动脉输入函数曲线补足流程示意图;
图8是本实施例的动脉输入函数曲线的确定装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的动脉输入函数曲线的确定方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的动脉输入函数曲线的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
近年来灌注在肿瘤特别是脑肿瘤的诊断、预后以及疗效评价等方面的研究和应用越来越广泛。灌注成像可用于定量分析组织的微血管分布情况和血流灌注状态,为脑灌注异常疾病如脑卒中等提供诊断,同时还可以为治疗决策的制定提供有效的参考。例如,脑卒中疾病临床上通常还需要结合平扫CT(Computer Tomography,电子计算机断层扫描)以及血管造影CTA等影响进行脑卒中的诊断,但是有较大的辐射剂量。CT灌注成像CTP为对选定区域采集多个时间点的动态图像,以记录该区域组织中造影剂浓度随时间的变化情况。理论上CTP中包含了CTA的信息,可以通过分析CTP分割的得到血管区域,这样为诊断提供血管信息的同时可在一定程度上降低病人的辐射剂量。
通过自动定位和跟踪技术,在一次扫描中就可以同时获得颅脑CTP和头颈CTA数据。在减少造影剂量的同时,保证颅脑CTP和头颈CTA扫描处于最佳状态,有利于后续CTP和CTA的后处理得到更加稳定和准确的结果。然而由于要在动脉峰值期加入头颈CTA,会导致颅脑内CTP的动脉上升到峰值期,从而存在信息丢失,对用户关注参数计算结果产生影响。在实际操作中,由于为了让头颈CTA呈现最佳状态,需要抓取头颈CTA造影剂充盈状态,移动扫描床到颈部,从CTP扫描切换为头颈CTA扫描,后再进行后续的CTP扫描。受硬件设备的局限性,这种扫描方式会牺牲掉CTP的动脉输入曲线上升期的信息,特别是颅内动脉的信息,这个时间间隔会达到4秒以上,而CTP计算常规要求时间间隔在2秒以内,因此,后续关注参数计算的准确性会受到影响。
在本实施例中提供了一种动脉输入函数曲线的确定方法,图2是本实施例的动脉输入函数曲线的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取感兴趣区域的CTP扫描数据以及CTA扫描数据,所述CTP扫描数据以及CTA扫描数据通过CTP和CTA联合扫描得到,且CTP扫描区域与CTA扫描区域存在重合区域。
示例性地,感兴趣区域是指进行扫描的区域,该区域一般由技师指定,包括受检目标的病灶位置。感兴趣区域可以由技师手动选定,也可以通过深度学习等手段进行机器自动选定。CTP,即CT灌注扫描,是在静脉快速注射造影剂的同时,用CT对脑部进行多次扫描,然后用计算机重建,最后获得造影剂在脑组织中浓度的变化情况,反应脑组织灌注量的变化。CTA又称CT血管成像,是指从受检目标的静脉中快速注射造影剂,通过人体血液循环,经计算机处理重建出血管的三维立体影像。为了减少造影剂对受检目标的影响,并提高扫描效率,相关技术中一般采用CTP扫描和CTA扫描联合进行的方式得到扫描数据。以头颈CTA扫描与颅脑CTP的联合扫描过程为例,图3是相关技术中的感兴趣区域示意图,如图3所示,影像设备的扫描方向为自上而下的方向,具体到受检目标的身体部位上,即自头部向下至颈部进行扫描。扫描开始后,影像设备首先扫描P1区域,P1区域即第一感兴趣区域,设置于受检目标的脑部,主要针对颅脑动脉进行CTP和CTA的联合扫描,得到该区域的CTP扫描数据和CTA扫描数据。P2区域即第二感兴趣区域,设置在患者颈部,第二感兴趣区域仅进行CTA扫描。这是由于头颈CTA扫描既要采集患者头部的CTA扫描数据,也需要获取患者颈部的CTA扫描数据。而颅脑CTP仅需要对颅内进行扫描即可。在联合扫描过程中,由于静脉注射的造影剂伴随血液自颈部动脉流向脑部,因此受检目标的头颈CTA会先达到充盈状态,此时为了抓取该状态下的CTA扫描数据,此时扫描床移动到颈部感兴趣区域进行CTA扫描;在完成CTA扫描后,移动扫描床返回第一感兴趣区域进行联合扫描,在脑部CTP达到充盈状态后,完成对脑部CTP扫描数据的采集。然而,相关技术中的扫描方案,在扫描床移动到颈部感兴趣区域进行CTA扫描到扫描床移动至脑部感兴趣区域进行CTP扫描的这一段时间内,会失去脑部CTP的动脉输入函数曲线上升期数据,造成部分数据缺失。在本实施例中,为了解决这一数据缺失的问题,在设置感兴趣区域同时,为CTA扫描区域和CTP扫描区域设置了重合区域,通过对调整后的感兴趣区域进行CTA扫描数据和CTP扫描数据的采集,为动脉输入函数曲线的补足提供数据支持。
在本实施例中,同样以颅脑CTP扫描和头颈CTA联合扫描过程为例,图4是根据本申请实施例的重合区域示意图,如图4所示,P3为设置在受检目标的第三感兴趣区域,在第三感兴趣区域内进行CTP和CTA的联合扫描,得到受检目标的颅脑CTP扫描数据和颅脑CTA扫描数据。P4为设置在受检目标的颈部的第四感兴趣区域,第四感兴趣区域可分为两部分,其一是P5区域,该区域为P3区域和P4区域的重合区域,在该区域内进行CTP和CTA的联合扫描,该过程也可称为重叠扫描。P6区域进行CTA扫描,获取受检目标的颈部CTA扫描数据。基于该扫描区域的划分,在P3区域和P4区域都进行了CTA扫描,得到了受检目标的头颈CTA扫描数据,在P3区域进行了CTP扫描,得到了受检目标的颅脑CTP扫描数据,保证了扫描数据的完整性。
图5是根据本申请实施例的扫描数据获取示意图,如图5所示,按照时间顺序,先对第三感兴趣区域P3进行扫描,当达到颈内造影剂充盈状态时,对第四感兴趣区域P4进行扫描,得到重合区域P5的CTP扫描数据以及区域P6的CTA扫描数据,通过拼接技术对P3区域和P4区域的扫描数据进行整合。重合区域的存在,有利于提高拼接效率,增强拼接的准确性,通过数据整合,最终得到受检目标完整的头颈CTA扫描数据。
步骤S202,基于所述CTP扫描数据确定初始动脉输入函数曲线。
示例性地,对CTP扫描的感兴趣区域进行数据采集,得到CTP扫描数据。基于CTP扫描数据确定初始动脉输入函数曲线。优选的,选用健侧中动脉或者前动脉的动脉输入函数进行CTP计算。健侧是指健康一侧,与患侧相对,具体到颅脑CTP扫描,健侧中动脉是指健康一侧半脑的中动脉。动脉输入函数,英文名称是Artery input function,简记为AIF。在动脉输入函数AIF的计算过程中,Tmax参数与动脉位置有非常大的关系,如果取颈动脉的CTP数据,Tmax参数会增大很多,且绝对定量会受到影响。此外,因为基于当前CTP扫描数据得到的动脉输入函数曲线存在上升期的部分信息缺失,故而称为初始动脉输入函数曲线。
步骤S203,基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,所述重合区域数据为所述重合区域的CTA扫描数据。
示例性地,如图4所示,在P5区域,也就是重合区域,同时获取了受检目标的CTA扫描数据CTP扫描数据,但是由于CTP计算一般采用健侧中动脉的数据,而该重合区域位于颈部动脉区域,因此该重合区域的CTP扫描数据并不能直接应用到动脉输入函数曲线的计算中,故采用重合区域的CTA扫描数据作为重合区域数据进行计算。重合区域数据可通过对重合区域进行重叠轴扫获取,即通过对重合区域进行轴扫或螺旋扫描得到。
示例性的,轴扫,也称序列扫描、步进式扫描或步进-采集模式。轴扫模式下首先控制扫描床步进到需要成像的位置,扫描床停止运动;球管和探测器旋转采集数据;然后球管和探测器停止工作扫描床移动预设距离,然后停止,球管和探测器再次旋转并采集数据;重复上述过程直至扫描完毕。
示例性的,螺旋扫描,由于扫描轨迹呈螺旋线,故称螺旋扫描,在扫描过程中,X线球管围绕机架连续曝光,曝光的同时扫描床同步匀速运动,探测器同时采集数据。当面临感兴趣区域尺寸较大的情况时,可通过螺旋扫描完成数据采集。
以头颈CTA与颅脑CTP联合扫描为例,重合区域数据为重合区域的CTA扫描数据,这是由于在进行CTP和CTA的联合扫描过程中,颈部感兴趣区域关于CT值的时间密度曲线会先于脑部感兴趣区域的时间密度曲线到达峰值期,即需要先对颈部感兴趣区域进行CTA扫描,因此,将此时关于颈部感兴趣区域的CTA扫描数据作为重合区域数据;另一个重要的原因在于,CTP计算一般选用健侧中动脉的数据进行计算,而重合区域包括了颈内动脉的部分,直接应用该部分的CTP扫描数据会使得到的颅内动脉的动脉输入函数的参数Tmax的数组偏大,且绝对定量会受到影响,因此,选用重合区域的CTA扫描数据作为重合区域数据。
此外,重合区域数据的一个重要性质在于,该数据能够保证CTA数据与CTP数据的采样点对齐。采用相关技术中的扫描方案,受硬件设备的局限性影响,牺牲掉的CTP的颅内动脉的动脉输入函数曲线上升期的信息,时间间隔达到4秒以上,而CTP计算常规要求时间间隔在2秒以上。采用本实施例中对重合区域进行扫描的方式,可以以适当的时间间隔采集CTA数据,并通过CTA扫描数据与CTP扫描数据的配准进行对齐。例如:在进行头颈CTA扫描时,采用两次带有重叠轴扫的扫描方式完成,即在颈内动脉获得2秒左右时间间隔的曲线。再结合CTP扫描数据,利用颅内动脉的造影剂变化受颈动脉的造影剂变化影响的先验知识,补足颅内动脉上升期的信息。
通过上述步骤,本实施例提出的动脉输入函数曲线获取方法,通过调整感兴趣区域的位置,使CTA扫描的感兴趣区域与CTP扫描的感兴趣区域包含重合区域,借助重合区域数据,利用重合区域与曲线缺失的感兴趣区域间造影剂浓度变化存在关联的先验知识,对动脉输入函数曲线的缺失部分进行补足,解决了动脉输入函数曲线的准确度低下的问题,提高了动脉输入函数曲线的完整性和准确度。
在其中的一个实施例中,图6是根据本申请实施例的无监督动脉输入函数曲线补足流程示意图,如图6所示,该流程包括:
步骤S601,基于重合区域数据确定参考动脉曲线;
步骤S602,确定参考动脉曲线与初始动脉输入函数曲线的关联关系参数;
步骤S603,基于关联关系参数以及参考动脉曲线确定补足曲线;
步骤S604,基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
示例性地,获取到CTP扫描数据和CTA扫描数据之后对CTP扫描数据和CTA扫描数据利用配准算法进行对齐,对CTA数据自动或手动获取重合区域的颈内动脉最佳曲线,作为参考动脉曲线,其中,进内动脉最佳曲线是指标准的流进流出曲线,即具备平台期、上升期、下降期以及稳定期四个阶段,且峰值高,曲线平滑的曲线。对CTP数据自动或者手动获取健侧中脉的最佳曲线,作为初始动脉输入函数曲线。由于颅内动脉造影剂流入来自于颈内动脉造影剂流入,所以二者之间存在强联系,由于位置不同以及弥散作用,存在延迟和幅度等变化,所以可建立补足曲线与参考动脉曲线之间的计算模型,该模型包括关联关系系数,通过数学方法计算出关联关系系数,进而确定补足曲线,最终根据补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
在其中的一个实施例中,确定参考动脉曲线与初始动脉输入函数曲线的关联关系参数包括:基于参考动脉曲线以及初始动脉输入函数曲线构建权重数组,权重数组的数据数量与参考动脉曲线的数据数量相等;对参考动脉曲线、初始动脉输入函数曲线以及权重数组进行线性插值,得到标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组,标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组的数据的时间间隔相等;采用数值最优化方法对标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组进行处理,确定关联关系参数,其中数值最优化方法包括非线性最小二乘法等。
具体地,将参考动脉曲线记为Cref,将参考动脉曲线对应的时间数组作为第一时间数组,记为Tref,初始动脉输入函数曲线记为Caif,将初始动脉输入函数曲线对应的时间数组作为第二时间数组记为Taif。第二时间数组Taif比第一时间数组Tref少一个时间点,索引位置记为Idel,其他时间点数值相等。
基于上述数据,该无监督动脉输入函数曲线补足方法具体包括:
首先,构建与参考动脉曲线等长的权重数组Wref。权重数组Wref的时间点位置和数量与第一时间数组Tref相同,比第二时间数组Taif多一个时间点。根据权重数组,对第二时间数组Taif相比第一时间数组Tref少了一个时间点的位置的权重值赋予小值,其他时间点位置分别赋予数值相同的大值。大值和小值指的是数值的相对大小,例如,小值设置为0.0001,大值设置为1,本实施例中对该值的大小不作具体限定,可根据计算的实际需要以及设备的精度进行调整。
然后,利用线性插值,对参考动脉曲线Cref、初始动脉输入函数曲线Caif以及权重数组Wref进行线性插值,插值的精度可根据需要进行配置,例如插值到1秒,获得插值后的标准参考动脉曲线Cref_1、标准初始动脉输入函数曲线Caif_1以及标准权重数组Wref_1。
由于颅内动脉造影剂流入来自颈内动脉造影剂流入,所以二者之前有强关系,由于位置不同以及弥散作用,存在延迟和幅度变化,所以可以构建如下模型:
在其中的一个实施例中,图7是根据本申请另一实施例的有监督动脉输入函数曲线补足流程示意图,如图7所示,该流程包括:
步骤S701,将重合区域数据以及初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线。
步骤S702,基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
通过本实施例中的有监督动脉输入曲线补足方法,借助预训练好的神经网络进行补足,曲线补足速度快。此外,随着神经网络的训练集数据不断提高,神经网络精度可以进一步提升,从而提升最终得到的目标动脉输入函数曲线的准确度。
在其中的一个实施例中,将重合区域数据以及初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线包括:基于重合区域数据确定参考动脉曲线;提取参考动脉曲线以及初始动脉输入函数曲线的曲线特征;基于参考动脉曲线以及初始动脉输入函数曲线每个时间点的数据以及曲线特征确定特征向量;将特征向量输入经训练的神经网络,得到补足曲线。
具体地,通过深度学习的方式,提供了一种有监督的动脉输入函数曲线补全方法,该方法包括:通过正常的全脑CTP数据构建训练数据,即从正常全脑CTP扫描数据里面获得配对的参考动脉曲线Cref和相应的动脉输入函数曲线Caif_all,二者长度相同记为N。对Caif_all进行CTA和CTP联合扫描并进行模拟得到动脉输入函数曲线Caif,模拟过程即删除峰值前时刻的时间点,构成大于4秒的时间间隔,删除的时间点可以是1个,也可以是2个,可根据实际情况进行设定。对参考动脉曲线和动脉输入函数曲线分别提取一些特征,例如造影剂到达时间差BATdiff、峰值时间差TTPdiff等曲线特征。
可选的,将Cref各个时间点都与提取特征进行组合,在一个时间点上构建一个特征向量,也可以将Caif缺失点进行线性插值补回后和Cref各个时间点组合在一个时间点上构建一个特征限量,也可以再结合提取特征进行组合,把这组时间序列相关的特征向量记为Fi,i=1...N。
在其中的一个实施例中,所述获取感兴趣区域的CTP扫描数据以及CTA扫描数据包括:对所述感兴趣区域进行定位,确定所述感兴趣区域的位置;对所述感兴趣区域进行第一剂量扫描,并基于第一剂量扫描结果确定CTP扫描参数以及CTA扫描参数,所述CTA所述参数包括触发时刻以及扫描起始位置;基于所述CTP扫描参数以及CTA扫描参数,对所述感兴趣区域进行第二剂量的CTP扫描以及CTA扫描;当达到所述CTA扫描的扫描触发时刻,控制扫描床移动到预设位置,以所述扫描起始位置为起点,基于所述CTA扫描参数对所述感兴趣区域进行第二剂量的CTA扫描;基于第二剂量的CTP扫描结果和CTA扫描结果得到所述感兴趣区域的CTP扫描数据以及CTA扫描数据。
示例性的,在受检目标不注射造影剂的情况下,扫描受检目标,得到其解剖数据,在该解剖数据上自动或手动定位同片层两侧颈内动脉的感兴趣区域,记为ROIs,感兴趣区域可采用深度学习的手段进行自动定位。技师确定当前病人状态后,为病人注射少量药剂,在定位单片层扫描,即第一剂量扫描进行感兴趣区域跟踪,记为ROI tracking,监测造影剂浓度,确定感兴趣区域内的动脉曲线,经过一段时间后,例如经过三个监测周期后,当感兴趣区域内的动脉输入检测曲线都越过峰值后,停止感兴趣区域追踪,将该时间段作为扫描周期。根据感兴趣区域检测到的动脉曲线,通过规则指定或者机器学习方法,自动规划最佳CTP扫描时间和采样形式以及CTA触发时间。然后技师再次确认受检目标状态后,为受检目标注射正常剂量的造影剂并进行第二剂量扫描,第二剂量扫描的扫描起始位置位于CTP扫描的扫描范围内。第二剂量扫描过程包括:先进行CTP扫描,当达到CTA触发时刻点后,移动扫描床至指定位置,该指定位置位于重合区域内。进行头颈CTA扫描,采用重叠轴扫后,再进行后续CTP的扫描,直到自动规划扫描结束,得到CTP和CTA数据。基于扫描得到的CTP数据和CTA数据进行影像重建,得到病人扫描部位的CTP图像和CTA图像。
在其中的一个实施例中,基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线之后还包括:基于目标动脉输入函数曲线确定灌注参数。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种输入函数确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是本实施例的动脉输入函数曲线的确定装置的结构框图,如图8所示,该装置包括:
获取模块10,用于获取感兴趣区域的CTP扫描数据以及CTA扫描数据,CTP扫描数据以及CTA扫描数据通过CTP和CTA联合扫描得到,且CTP扫描区域与CTA扫描区域存在重合区域;
初始曲线确定模块20,用于基于CTP扫描数据确定初始动脉输入函数曲线;
补足模块30,用于基于重合区域数据对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,重合区域数据为重合区域的CTA扫描数据。
补足模块30,还用于基于重合区域数据确定参考动脉曲线;确定参考动脉曲线与初始动脉输入函数曲线的关联关系参数;基于关联关系参数以及参考动脉曲线确定补足曲线;基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
补足模块30,还用于基于参考动脉曲线以及初始动脉输入函数曲线构建权重数组,权重数组的数据数量与参考动脉曲线的数据数量相等;对参考动脉曲线、初始动脉输入函数曲线以及权重数组进行线性插值,得到标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组,标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组的数据的时间间隔相等;采用非线性最小二乘法对标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组进行处理,确定关联关系参数。
补足模块30,还用于将重合区域数据以及初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线;基于补足曲线对初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
补足模块30,还用于基于重合区域数据确定参考动脉曲线;提取参考动脉曲线以及初始动脉输入函数曲线的曲线特征;基于参考动脉曲线以及初始动脉输入函数曲线每个时间点的数据以及曲线特征确定特征向量;将特征向量输入经训练的神经网络,得到补足曲线。
该动脉输入函数曲线的确定装置,还用于对所述感兴趣区域进行第一剂量扫描,并基于第一剂量扫描结果确定CTP扫描参数以及CTA扫描参数,所述CTA扫描参数包括扫描触发时刻以及扫描起始位置;基于所述CTP扫描参数以及CTA扫描参数,对所述感兴趣区域进行第二剂量的CTP扫描以及CTA扫描;当达到所述CTA扫描的扫描触发时刻,控制扫描床移动到预设位置,以所述扫描起始位置为起点,基于所述CTA扫描参数对所述感兴趣区域进行第二剂量的CTA扫描;基于第二剂量的CTP扫描结果和CTA扫描结果得到所述感兴趣区域的CTP扫描数据以及CTA扫描数据。
补足模块30,还用于基于目标动脉输入函数曲线确定灌注参数。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在本实施例中还提供了一种计算机设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述计算机设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域。
S2,基于所述CTP扫描数据确定初始动脉输入函数曲线。
S3,基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,所述重合区域为所述重合区域的CTA扫描数据。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的动脉输入函数曲线的确定方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种动脉输入函数曲线的确定方法。
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。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
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专利保护范围的限制。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)
1.一种动脉输入函数曲线的确定方法,其特征在于,所述方法包括:
获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;
基于所述CTP扫描数据确定初始动脉输入函数曲线;
基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,所述重合区域数据为所述重合区域的CTA扫描数据。
2.根据权利要求1所述的方法,其特征在于,所述基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线包括:
基于所述重合区域数据确定参考动脉曲线;
确定所述参考动脉曲线与所述初始动脉输入函数曲线的关联关系参数;
基于所述关联关系参数以及所述参考动脉曲线确定补足曲线;
基于所述补足曲线对所述初始动脉输入函数曲线进行补足,得到所述目标动脉输入函数曲线。
3.根据权利要求2所述的方法,其特征在于,所述确定所述参考动脉曲线与所述初始动脉输入函数曲线的关联关系参数包括:
基于所述参考动脉曲线以及所述初始动脉输入函数曲线构建权重数组;
对所述参考动脉曲线、初始动脉输入函数曲线以及权重数组进行线性插值,得到标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组;
根据所述标准参考动脉曲线、标准初始动脉输入函数曲线以及标准权重数组,确定所述关联关系参数。
4.根据权利要求1所述的方法,其特征在于,所述基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线包括:
将所述重合区域数据以及所述初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线;
基于所述补足曲线对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线。
5.根据权利要求4所述的方法,其特征在于,所述将所述重合区域数据以及所述初始动脉输入函数曲线输入经训练的神经网络,得到补足曲线包括:
基于所述重合区域数据确定参考动脉曲线;
提取所述参考动脉曲线以及初始动脉输入函数曲线的曲线特征;
基于所述参考动脉曲线以及初始动脉输入函数曲线每个时间点的数据以及所述曲线特征确定特征向量;
将所述特征向量输入经训练的神经网络,得到补足曲线。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据包括:
对所述感兴趣区域进行第一剂量扫描,并基于所述第一剂量扫描结果确定CTP扫描参数以及CTA扫描参数,所述CTA扫描参数包括扫描触发时刻以及扫描起始位置;
基于所述CTP扫描参数以及CTA扫描参数,对所述感兴趣区域进行第二剂量的CTP扫描以及CTA扫描;
当达到所述CTA扫描的扫描触发时刻,控制扫描床移动到预设位置,以所述扫描起始位置为起点,基于所述CTA扫描参数对所述感兴趣区域进行第二剂量的CTA扫描;
基于所述第二剂量的CTP扫描结果和CTA扫描结果得到所述感兴趣区域的CTP扫描数据以及CTA扫描数据。
7.根据权利要求1所述的方法,其特征在于,所述基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线之后还包括:
基于所述目标动脉输入函数曲线确定灌注参数。
8.一种动脉输入函数曲线的确定装置,其特征在于,所述装置包括:
获取模块,用于获取影像设备针对感兴趣区域的CTP扫描数据以及CTA扫描数据,且CTP扫描区域与CTA扫描区域存在重合区域;
初始曲线确定模块,用于基于所述CTP扫描数据确定初始动脉输入函数曲线;
补足模块,用于基于重合区域数据对所述初始动脉输入函数曲线进行补足,得到目标动脉输入函数曲线,所述重合区域数据为所述重合区域的CTA扫描数据。
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 |
---|---|---|---|
CN202211446481.XA CN115861475A (zh) | 2022-11-18 | 2022-11-18 | 动脉输入函数曲线的确定方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211446481.XA CN115861475A (zh) | 2022-11-18 | 2022-11-18 | 动脉输入函数曲线的确定方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861475A true CN115861475A (zh) | 2023-03-28 |
Family
ID=85664125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211446481.XA Pending CN115861475A (zh) | 2022-11-18 | 2022-11-18 | 动脉输入函数曲线的确定方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861475A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342603A (zh) * | 2023-05-30 | 2023-06-27 | 杭州脉流科技有限公司 | 获得动脉输入函数的方法 |
-
2022
- 2022-11-18 CN CN202211446481.XA patent/CN115861475A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116342603A (zh) * | 2023-05-30 | 2023-06-27 | 杭州脉流科技有限公司 | 获得动脉输入函数的方法 |
CN116342603B (zh) * | 2023-05-30 | 2023-08-29 | 杭州脉流科技有限公司 | 获得动脉输入函数的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11020077B2 (en) | Simultaneous CT-MRI image reconstruction | |
Taguchi et al. | High temporal resolution for multislice helical computed tomography | |
Drangova et al. | Fast retrospectively gated quantitative four-dimensional (4D) cardiac micro computed tomography imaging of free-breathing mice | |
US9652872B2 (en) | System and method of medical imaging | |
RU2604941C2 (ru) | Частота дискретизации динамической регистрации для компьютерной томографической визуализации перфузии (стр) | |
Hielscher et al. | Frequency-domain optical tomographic imaging of arthritic finger joints | |
CN111493909B (zh) | 医学图像扫描方法、装置、计算机设备和存储介质 | |
CN111325759B (zh) | 血管分割方法、装置、计算机设备及可读存储介质 | |
CN106469449B (zh) | 一种医学图像中病灶的显示方法及装置 | |
US10617312B2 (en) | Perfusion imaging | |
US8655040B2 (en) | Integrated image registration and motion estimation for medical imaging applications | |
CN111493908A (zh) | 医学图像扫描方法、装置、计算机设备和存储介质 | |
CN114098780A (zh) | Ct扫描方法、装置、电子装置和存储介质 | |
KR20190084100A (ko) | 인간의 심장 및 심방을 모델링하는 방법 및 시스템 | |
CN113329688B (zh) | 用于确定组织体素的特征的方法、系统和计算机可读介质 | |
Juergens et al. | Multi-detector row computed tomography of the heart: does a multi-segment reconstruction algorithm improve left ventricular volume measurements? | |
CN115861475A (zh) | 动脉输入函数曲线的确定方法、装置和计算机设备 | |
US10736583B2 (en) | Medical image processing apparatus and X-ray CT apparatus | |
WO2023160720A1 (en) | Methods, systems, and storage mediums for image generation | |
JP2018057835A (ja) | 医用情報処理装置、x線ct装置及び医用情報処理プログラム | |
CN115035208B (zh) | 肺灌注与区域v/q无创成像方法、系统及设备 | |
US10159448B2 (en) | X-ray CT apparatus, medical information processing apparatus, and medical information processing method | |
Lecomte et al. | Cardiac PET imaging of blood flow, metabolism, and function in normal and infarcted rats | |
Lacomis et al. | Direct comparison of computed tomography and magnetic resonance imaging for characterization of posterior left atrial morphology | |
Wang et al. | Non-invasive quantification of the brain [18 F] FDG-PET using inferred blood input function learned from total-body data with physical constraint |
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 |