[发明专利]一种缺血区分割方法、装置、设备及存储介质有效

专利信息
申请号: 202210735523.5 申请日: 2022-06-27
公开(公告)号: CN114820602B 公开(公告)日: 2022-09-16
发明(设计)人: 黄预立;杨鸣;吴子良 申请(专利权)人: 脑玺(苏州)智能科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06V10/26;G06V10/764;G06V10/774;G06V10/82;G06N3/04
代理公司: 北京迎硕知识产权代理事务所(普通合伙) 11512 代理人: 张群峰
地址: 215224 江苏省苏州市吴江区太湖新*** 国省代码: 江苏;32
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 缺血 区分 方法 装置 设备 存储 介质
【说明书】:

发明涉及图像处理技术领域,具体是一种缺血区分割方法、装置、设备及存储介质,所述方法包括: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;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。本发明的缺血区分割方法,通过联合扩散加权图像信息和多个标记后延迟的动脉自旋标记灌注图像信息进行缺血区分割,充分利用了各类图像之间的相互信息,提高了缺血区分割的准确性和鲁棒性。

技术领域

本发明涉及图像处理技术领域,特别涉及一种缺血区分割方法、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。

现有技术常用脑实质成像来进行疾病的诊断、疗效评价以及预后判断,其中常用的有动脉自旋标记(Arterial Spin Labeling,ASL)灌注成像技术和扩散加权成像(Diffusion Weighted Imaging,DWI)技术。其中,ASL技术无辐射、无需注射造影剂的优点使其应用于肾功能不全、造影剂过敏或患有甲亢的脑卒中患者、儿童患者成为可能。现有的ASL技术通常是基于单一标记后延迟(Post-Labeling Delay,PLD)的ASL图像计算的脑血流量(Cerebral Blood Flow,CBF)图像与对侧值比较,小于40%的为缺血区,而现有的DWI技术通常是基于计算的表观扩散系数(Apparent Diffusion Coefficient,ADC)图像,小于620mm2/s的为梗死区。

但是,现有的ASL技术计算的CBF图像对PLD的选择很敏感,当某区域的动脉通过时间大于PLD时,CBF值会被严重低估,并且通过与对侧值进行比较的分割方法会漏掉双侧缺血的可能,同时由于正常白质CBF值就比正常灰质CBF值低,因此通过与对侧值进行比较的分割方法可能会过多地包含白质信号,影响分割结果的准确性。并且现有的ASL技术和DWI技术通过绝对阈值分割的方式,没有考虑不同个体的不一致性,会导致分割结果不稳定。

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区分割方法、装置、设备及存储介质,能够提高缺血区分割的准确性和鲁棒性。

为了解决上述问题,本发明提供一种缺血区分割方法,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;

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。

进一步地,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。

进一步地,所述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;

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脑玺(苏州)智能科技有限公司,未经脑玺(苏州)智能科技有限公司许可,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/202210735523.5/2.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