[发明专利]一种缺血区分割方法、装置、设备及存储介质

权利要求书

1.一种缺血区分割方法，其特征在于，包括：

获取目标对象脑部的表观扩散系数图像；

获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像，包括：

获取所述目标对象脑部的多个标记后延迟的动脉自旋标记灌注图像数据；

根据所述多个标记后延迟的动脉自旋标记灌注图像数据，确定所述目标对象脑部的动脉通过时间图像；

根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像；

根据所述动脉通过时间图像和所述脑血流量图像确定所述目标对象脑部的脑血容量图像；

将所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像分别配准到标准脑空间，得到标准脑空间的脑血流量图像、脑血容量图像以及动脉通过时间图像；

利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像。

2.根据权利要求1所述的方法，其特征在于，所述获取目标对象脑部的表观扩散系数图像包括：

获取所述目标对象脑部的扩散加权图像数据；

根据所述扩散加权图像数据确定所述表观扩散系数图像；

将所述表观扩散系数图像配准到标准脑空间，得到标准脑空间的表观扩散系数图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像包括：

根据所述动脉通过时间图像和各个标记后延迟的动脉自旋标记灌注图像数据，分别计算各个标记后延迟的动脉自旋标记灌注图像数据对应的各个脑血流量图像；

计算各个标记后延迟的动脉自旋标记灌注图像数据对应的脑血流量图像的平均图像，作为所述目标对象脑部的脑血流量图像。

4.根据权利要求1所述的方法，其特征在于，所述利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像包括：

将所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像输入所述分类模型，得到所述目标对象脑部的分类图像；其中，所述分类图像中的每个像素为区域类别标识；

获取所述目标对象脑部的目标动脉自旋标记灌注图像数据；

将所述分类图像与所述目标动脉自旋标记灌注图像数据进行融合，得到所述目标对象脑部的缺血区分割图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括预先训练所述分类模型，所述分类模型的训练过程包括：

获取训练图像数据集，所述训练图像数据集中包括多个缺血性脑卒中患者的扩散加权训练图像数据、动态磁敏感对比增强灌注训练图像数据以及多个标记后延迟的动脉自旋标记灌注训练图像数据；

根据各个所述扩散加权训练图像数据确定对应的表观扩散系数训练图像；

根据各个缺血性脑卒中患者的多个标记后延迟的动脉自旋标记灌注训练图像数据确定对应的脑血流量训练图像、脑血容量训练图像以及动脉通过时间训练图像；

根据各个所述动态磁敏感对比增强灌注训练图像数据确定对应的残余功能函数最大时间参数图；

根据各个缺血性脑卒中患者对应的表观扩散系数训练图像和残余功能函数最大时间参数图，确定对应的缺血区分割标注结果；

基于各个缺血性脑卒中患者对应的所述表观扩散系数训练图像、所述脑血流量训练图像、所述脑血容量训练图像、所述动脉通过时间训练图像以及所述缺血区分割标注结果，对预设的分类器进行有监督训练，得到所述分类模型。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述缺血区分割图像计算梗死区体积和半暗带区体积；

根据所述梗死区体积和所述半暗带区体积计算错配比。