[发明专利]一种神经黑色素图像重建方法、装置、设备和存储介质有效

专利信息
申请号: 202010523058.X 申请日: 2020-06-09
公开(公告)号: CN111681184B 公开(公告)日: 2023-02-24
发明(设计)人: 李郁欣;刘学玲;杨丽琴;吴仆射;曹卓群 申请(专利权)人: 复旦大学附属华山医院
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50;G01R33/56
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 蒋雅洁;张颖玲
地址: 200052 上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 神经 黑色素 图像 重建 方法 装置 设备 存储 介质
【权利要求书】:

1.一种神经黑色素图像重建方法,其特征在于,所述方法包括:

获取定量磁敏感成像QSM序列的N组幅值图像;其中,N为大于2的整数;

确定所述N组幅值图像中的前M组幅值图像;

将所述前M组幅值图像中的每一组幅值图像确定为短回波时间的幅值图像,其中,M为大于等于1且小于等于N/2的整数;

基于M组短回波时间的幅值图像进行图像重建,得到所述N组幅值图像对应的神经黑色素图像;

其中,所述确定所述N组幅值图像中的前M组幅值图像,包括:确定所述N组幅值图像中的每一组幅值图像的中脑核团信号对比噪声比CNR;按照所述N组幅值图像的先后顺序关系,依次根据第j组幅值图像的中脑核团CNR,判断所述第j组幅值图像的T2*加权效应是否大于第一预设阈值;j为取值在1到N/2之间整数;在所述第j组幅值图像的T2*加权效应大于所述第一预设阈值的情况下,将M赋值为j-1,得到所述N组幅值图像中的前M组幅值图像。

2.根据权利要求1所述的方法,其特征在于,所述确定所述N组幅值图像中的每一组幅值图像的中脑核团CNR,包括:

根据特定的目标对象,从每一组所述幅值图像中包括的P张图像中,选取目标层面的幅值图像;

将每一组所述幅值图像中目标层面的幅值图像的中脑核团CNR,确定为对应组幅值图像的中脑核团CNR;

所述按照所述N组幅值图像的先后顺序关系,依次根据第j组幅值图像的中脑核团CNR,判断所述第j组幅值图像的T2*加权效应是否大于第一预设阈值,包括:

按照所述N组幅值图像的先后顺序关系,根据第j组幅值图像中对应目标层面的幅值图像的中脑核团CNR的变化趋势,判断第j组幅值图像的T2*加权效应是否大于第一预设阈值。

3.根据权利要求2所述的方法,其特征在于,所述特定的目标对象包括第一目标对象和第二目标对象,所述根据特定的目标对象,从每一组所述幅值图像中包括的P张图像中,选取目标层面的幅值图像,包括:根据所述第一目标对象和第二目标对象,从每一组所述幅值图像中包括的P张图像中,选取同时包括所述第一目标对象和所述第二目标对象的目标层面的幅值图像;

所述方法还包括:

根据所述目标层面的幅值图像确定所述第一目标对象对应的信号值;

根据所述目标层面的幅值图像,确定所述第二目标对象对应的信号值和所述第二目标对象对应的信号的标准差;

确定所述第一目标对象对应的信号值与所述第二目标对象对应的信号值的差值;

将所述差值与所述第二目标对象对应的信号的标准差的比值,确定为目标层面的幅值图像的中脑核团CNR。

4.根据权利要求1所述的方法,其特征在于,所述确定所述N组幅值图像中的前M组幅值图像,包括:

按照所述N组幅值图像的先后顺序关系,依次通过视觉评估判断第j组幅值图像的T2*加权效应是否大于第二预设阈值;

在第M+1组幅值图像的T2*加权效应大于所述第二预设阈值的情况下,将M赋值为j-1,得到所述N组幅值图像中的前M组幅值图像。

5.根据权利要求1至4任一项所述的方法,其特征在于,所述基于M组短回波时间的幅值图像进行图像重建,得到所述N组幅值图像对应的神经黑色素图像,包括:

对每一组所述短回波时间的幅值图像中的灰度值取平方,得到灰度值的平方值;

将所述M组短回波时间的幅值图像的灰度值的平方值求累加和;

对灰度值的累加和开平方,得到灰度值的平方根;

对所述灰度值的平方根取四次幂,得到所述N组幅值图像对应的神经黑色素图像。

6.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:

基于所述神经黑色素图像,通过深度学习方法自动分割黑质致密带;

利用自动分割后的黑质致密带进行帕金森病PD的病情诊断。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学附属华山医院,未经复旦大学附属华山医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010523058.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top