一种基于ASL技术计算脑低灌注区域的方法及装置与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术一种基于asl技术计算脑低灌注区域的方法及装置技术领域1.本发明涉及医学图像处理技术领域，特别是一种基于asl技术计算脑低灌注区域的方法及装置。背景技术：2.急性缺血性卒中是由于脑动脉的闭塞导致的脑组织的梗死，伴随着神经元、星形胶质细胞、少突胶质细胞的损伤，是现代社会中致死和致残的最重要的中枢神经系统血管事件。急性缺血性卒中约占全部卒中的80％，其治疗关键在于尽早开通阻塞血管，挽救缺血半暗带。缺血半暗带是急性缺血性卒中的救治关键，其评估与治疗受到临床医生的高度重视。所以如何能够清晰判断缺血半暗带的区域是临床医生所关注的重点。目前对于缺血半暗带，在临床应用上，医生一般以肉眼进行半暗带的评估。3.动脉自旋标记(arterial spin labeling,asl)是利用血液中水分子作为内源性、可自由扩散示踪剂进行颅脑灌注成像的mri技术。asl技术提出至今已有20余年，经历了多个发展阶段。随着asl技术的不断进步，尤其是近年来准连续式asl(pseudo-continuous asl,pcasl)序列的应用，其图像质量、成像范围、成像速度有了极大的提高，逐渐受到影像学和神经科学工作者的关注，并越来越多地应用于科研和临床工作。asl的成像基本原理是采集两次数据，生成一对标记像及对照像。标记像与对照像中的静态组织信号无差别，差别在于流入的血流有无被反转。所谓标记过程即将反转脉冲施加于颈部进行标记，被标记的流入动脉血液中水分子反转180°，经过一定时间血液流入目标层面，由于被标记(反转)的血液与未被标记的血液信号之间存在差别，将标记像与对照像进行剪影，静态组织信号被剪除后，仅显示标记血流和未被标记血流信号的差异。如此多次采集并进行平均，便得到了脑血流图(cbf)，它反映了某一时刻灌流入脑组织的血流量及分布情况。4.目前采用半暗带成像的方法一般分为打药灌注和不打药灌注两种。打药灌注会出现一下几种问题：1.具有放射性损伤；2.成本高；3.舒适性差；4.半定量的问题。asl技术相较于这些需要打药灌注的技术，首先最重要的优势就是无需打药，其次在舒适性以及成本方面也具有优势。目前asl技术在医院的临床灌注应用中处于很高的地位。经常应该用于各医院的颅脑检查。asl能够定量、在体测量脑血流量，单位为ml·100g-1·min-1，表示单位时间内到达一定重量组织的血流总量。5.asl提供cbf参数，cbf是反映脑血流动力学是否稳定的重要参数，在脑血管病中的应用优势突出。急性脑卒中患者的影像检查需要快速高效，asl可以在较短的时间内提供重要的血流动力学信息。asl可以探测缺血半暗带的存在。在临床应用上，医生一般以肉眼进行半暗带的评估，在《急性脑梗死缺血半暗带临床评估和治疗中国专家共识》中将低灌注区定义为asl上cbf《对侧40％的区域。目前对于低灌注区的识别存在漏检的问题。技术实现要素：6.鉴于上述问题，本发明提出一种克服上述问题或者至少部分地解决上述问题的基于asl技术计算脑低灌注区域的方法及装置。7.根据本发明的第一方面，提供了一种基于asl技术计算脑低灌注区域的方法，所述方法包括：8.获取感兴趣区域的脑血流图像；9.基于所述脑血流图像的对称轴分割所述脑血流图像，得到第一脑血流图像和第二脑血流图像；10.将所述第一脑血流图像翻转，获取与所述第二脑血流图像对应的参比血流图像；11.基于所述参比血流图像和所述第二脑血流图像，获取第二脑血流图像中的低灌注区域。12.可选地，所述将所述第一脑血流图像翻转，获取与所述第二脑血流图像对应的参比血流图像之前，所述方法还包括：13.获取与所述脑血流图像位置对应的第一脑结构图像和asl图像，所述第一脑结构图像包括脑脊液；14.以所述asl图像为固定像、所述第一脑结构图像为浮动像进行配准，获取与第一脑结构图像对应的第二脑结构图像；15.将所述第二脑结构图像输入训练好的神经网络模型，利用所述神经网络模型输出所述脑血流图像的对称轴，所述神经网络模型以包括脑脊液的脑结构图像和对应的对称轴标记图像训练所得；或，16.从所述第二脑结构图像中分割出脑脊液图像，基于所述脑脊液图像获取所述脑血流图像的对称轴。17.可选地，所述将所述第一脑血流图像翻转，获取与所述第二脑血流图像对应的参比血流图像之前，所述方法还包括：18.获取感兴趣区域的第一脑结构三维图像和asl三维图像，所述第一脑结构三维图像包括多个切片，每个切片中包括脑脊液；19.以所述asl三维图像为固定像、所述第一脑结构三维图像为浮动像进行配准，获取第二脑结构三维图像；20.将所述第二脑结构三维图像输入训练好的神经网络模型，利用所述神经网络模型输出所述脑血流图像的对称轴，所述神经网络模型以包括脑脊液的脑结构三维图像和对应的对称轴标记图像训练所得；或；21.从所述第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像，基于所述脑脊液图像获取所述脑血流图像的对称轴。22.可选地，基于所述脑脊液图像获取所述脑血流图像的对称轴，包括：23.对所述脑脊液图像中的脑脊液区域进行取反，获得脑脊液区域与框架边缘的空隙区域；24.识别位于所述脑脊液图像上方的第一空隙区域和位于下方的第二空隙区域，依据所述第一空隙区域获取横坐标最大值对应的第一坐标点，依据所述第二空隙区域获取横坐标最小对应的第二坐标点；25.基于通过所述第一坐标点和第二坐标点的直线计算偏移角度；26.利用所述脑脊液图像的质心和所述偏移角度确定图像对称轴。27.可选地，对所述脑脊液图像中的脑脊液区域进行取反，获得脑脊液区域与框架边缘的空隙区域之前，还包括：28.查找所述脑脊液图像中的脑脊液的四个顶点，并选取上方两顶点中横坐标最大值、下方两顶点中横坐标最小值、左侧两顶点的纵坐标最大值、右侧两顶点的纵坐标最小值；29.以所述横坐标最大值、横坐标最小值、纵坐标最大值和纵坐标最小值构建脑脊液区域。30.可选地，所述将所述第一脑血流图像翻转，获取与所述第二脑血流图像对应的参比血流图像包括：31.获取与所述脑血流图像对应的脑结构图像；32.基于所述脑血流图像的对称轴，获取与第一脑血流图像对应的第三脑结构图像和与第二脑血流图像对应的第四脑结构图像；33.将第三脑结构图像进行翻转，并以所述第四脑结构图像为固定像，翻转后的第三脑结构图像为浮动像，获取翻转后的第三脑结构图像相对于所述第四脑结构图像的形变场；34.基于所述形变场，调整翻转后的第一脑血流图，得到参比血流图像。35.可选地，所述基于所述参比血流图像和所述第二脑血流图像，获取第二脑血流图像中的低灌注区域包括：36.将所述参比血流图像和所述第二脑血流图像进行对应像素脑血流比例计算；37.标记脑血流比例小于设定阈值的区域并进行形态学处理，以得到低灌注区域。38.根据本发明的第二方面，提供了一种基于asl技术计算脑低灌注区域的装置，所述装置包括：39.脑血流图像获取模块，用于获取感兴趣区域的脑血流图像；40.分割模块，用于基于所述脑血流图像的对称轴分割所述脑血流图像，得到第一脑血流图像和第二脑血流图像；41.参比血流图像获取模块，用于将所述第一脑血流图像翻转，获取与所述第二脑血流图像对应的参比血流图像；42.低灌注区域获取模块，用于基于所述参比血流图像和所述第二脑血流图像，获取与第二脑血流图像中的低灌注区。43.根据本发明的第三方面，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用于存储程序代码，所述程序代码用于执行第一方面中任一项所述的基于asl技术计算脑低灌注区域的方法。44.根据本发明的第四方面，提供了一种计算设备，所述计算设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行第一方面中任一项所述的基于asl技术计算脑低灌注区域的方法。45.本发明提供了一种基于asl技术计算脑低灌注区域的方法及装置，在获取到感兴趣区域的的脑血流图像后，通过借助脑血流图像的对称轴将脑血流图像划分为第一脑血流图像和第二脑血流图像，考虑全脑两侧都存在低信号区域的情况，进而能够准确分割出脑血流图像中的低灌注区域，避免漏检。并且通过脑脊液图像分割及对称轴获取和asl低信号域分割，能严格按照对称区域对比来分割低灌注区，降低假阳性并在此基础上同时兼容双侧低灌注情况，对于人工以及工作站勾画的结果来说，更具有客观性且人工成本和时间成本更少。46.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。47.根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。附图说明48.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：49.图1a、图1b分别示出了颞叶和额叶部分均呈现脑低灌注彩色示意图和灰度示意图；50.图2a、图2b分别示出了左右两侧均存在低灌注区彩色示意图和灰度示意图；51.图3示出了根据本发明实施例的基于asl技术计算脑低灌注区域的方法流程示意图；52.图4a、图4b分别示出了根据本发明实施例的基于asl技术判断低灌注区域的评价结果彩色示意图和灰度示意图；53.图5示出了根据本发明一实施例的基于asl技术计算脑低灌注区域的方法装置结构示意图；54.图6示出了根据本发明另一实施例的基于asl技术计算脑低灌注区域的方法装置结构示意图。具体实施方式55.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。需要说明的是，说明书附图中部分附图使用了彩色示意图，以能够更加清楚的表达核磁图像以及本实施例中所提供方法的低灌注区域评价效果。56.mri是磁共振成像(megnetic resonace imaging)，原理是依据释放的能量(也可称信号)在物质内部不同结结构环境中有不同的衰减，通过外加的磁场检测所发射出的电磁波，可以得知构成该物体原子核的位置和种类，从而绘制物体内部的结构图像。在mri成像的过程中，通过改变mr信号的影响因素，可以得到不同的影像，这些不同的影像就称之为序列。如根据t1值加权，可得t1序列，根据t2值加权可得t2序列。一个病例可以有多个序列，每个序列由许多切片组成。57.asl提供cbf参数，cbf是反映脑血流动力学是否稳定的重要参数，在脑血管病中的应用优势突出。据发明人所知脑低灌注区域识别主要包括如下方法：1.基于临床医生的人眼识别，该种方法也是最普遍的；2.有专门的工作站对低灌注区进行勾画；3.以患侧脑组织灰度中值作为正常脑组织信号值，将灰度低于正常脑组织信号40％的部分分割为低灌注区。58.首先，对于临床医生的人眼识别以及工作站的勾画都会有主观意识过强的问题，同时也会耗费更多的精力并且需要更多的人工成本，重复精度低也是以上两种方法的劣势之一。对于asl-cbf图像中一些区域同样呈现为低信号，利用目前算法来解决这种问题会造成多检问题，会将一些本身呈现低信号区域的部位检测出来。如图1a、图1b所示，在颞叶和额叶部分均呈现低信号，脑脊液区域同样也呈现的是低信号区域。现有算法成果很容易将这些部分认定为低灌注区。此外，现有算法只考虑了单侧低信号区域的情况，没有考虑全脑两侧都存在低信号区域的情况。对于病患左右脑两侧均存在低信号区域的情况没有考虑，这会导致漏检。如图2a、图2b所示，在cbf图像中我们可以清晰的看到患者左右两侧均出现低灌注区，以现有算法并不能对此种情况进行全检，会存在漏检的情况。59.本发明实施例提供了一种基于asl技术计算脑低灌注区域的方法，如图3，本发明实施例的基于asl技术计算脑低灌注区域的方法至少可以包括以下步骤s301～s304。60.s301，获取感兴趣区域的脑血流图像。感兴趣区域的脑血流图像可以为脑部的脑血流cbf图像。61.s302，基于脑血流图像的对称轴分割脑血流图像，得到第一脑血流图像和第二脑血流图像。其中，第一脑血流图像为左脑脑血流图像，第二脑血流图像为右脑脑血流图像；或者是，第一脑血流图像为右脑脑血流图像，第二脑血流图像为左脑脑血流图像。62.s303，将第一脑血流图像翻转，获取与第二脑血流图像对应的参比血流图像。63.s304，基于参比血流图像和第二脑血流图像，获取第二脑血流图像中的低灌注区域。64.对于得到的第一脑血流图像，通过翻转以获取与第二脑血流图像对应的参比血流图像，进而进一步根据参比血流图结合第二脑血流图像可以得到第二脑血流图像的低灌注区域。本实施例提供的方法通过借助脑血流图像的对称轴将脑血流图像划分为第一脑血流图像和第二脑血流图像，考虑全脑两侧都存在低信号区域的情况，进而能够准确分割出脑血流图像中的低灌注区域，避免漏检。65.上述步骤s302提及，基于脑血流图像的对称轴分割脑血流图像，得到第一脑血流图像和第二脑血流图像。可选地，在此之前，还可以确定脑血流图像的对称轴，本实施例可以通过以下步骤a1～a4获取脑血流图像的对称轴。66.a1，获取与脑血流图像位置对应的第一脑结构图像和asl图像，第一脑结构图像包括脑脊液。本实施例的脑结构图像可以理解为t1图像，t1图像容易获得并且脑结构清晰。asl图像包括两个图像，一个是控制像(未标记血液的图像)一个是标记像，本发明实施例采用控制像和标记像均可。67.a2，以asl图像为固定像、第一脑结构图像为浮动像进行配准，获取与第一脑结构图像对应的第二脑结构图像。可选地，在进行配准时，第一脑结构图像和asl图像进行仿射变换，实现第一脑结构图像和asl图像的图像坐标匹配，得到第二脑结构图像，本实施例中记为warp t1。68.a3，将第二脑结构图像输入训练好的神经网络模型，利用神经网络模型输出脑血流图像的对称轴，神经网络模型以包括脑脊液的脑结构图像和对应的对称轴标记图像训练所得。神经网络模型可以为根据cnn卷积神经网络或是其他神经网络进行训练获得，由于其已被本领域技术人员熟知，此处不多赘述。69.a4，从第二脑结构图像中分割出脑脊液图像，基于脑脊液图像获取脑血流图像的对称轴。在得到第一脑结构图像进行配准后得到的第二脑结构图像之后，即可从第二脑结构图像中分割出脑脊液图像f_mask。可选地，可以采用通过阈值设定的方法，即，设定一个信号阈值，以该信号阈值为基准，第二脑结构图像warp t1中超过该信号阈值的即可判定为脑脊液，进而得到脑脊液图像，进而根据脑脊液图像确定对称轴，用以分割得到第一脑血流图像和第二脑血流图像。70.本实施例中提供了两种脑血流图像的对称轴的获取方式，实际应用中可以根据不同需求选取其中一种方式或是结合以上两种方式，本实施例对此不做限定。71.本实施例中，t1序列为三维序列，三维序列由多个切片构成。可选地，在本发明可选实施例中，还可以通过以下步骤b1～b4获取脑血流图像的对称轴。72.b1，获取感兴趣区域的第一脑结构三维图像和asl三维图像，第一脑结构三维图像包括多个切片，每个切片中包括脑脊液。73.b2，以asl三维图像为固定像、第一脑结构三维图像为浮动像进行配准，获取第二脑结构三维图像。74.b3，将第二脑结构三维图像输入训练好的神经网络模型，利用神经网络模型输出脑血流图像的对称轴，神经网络模型以包括脑脊液的脑结构三维图像和对应的对称轴标记图像训练所得；或；75.b4，从第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像，基于脑脊液图像获取脑血流图像的对称轴。76.本实施例提供的方法需要从第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像，进而根据脑脊液面积最大的切片所分割出的脑脊液图像确定脑血流图像的对称轴。可选地，上述步骤b4从第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像可以包括：77.b4-1，通过阈值设定的方法述第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像。具体地，b4-1可以包括：78.b4-1-1，获取第二脑结构三维图像中的脑脊液面积最大的切片。前文介绍，第一脑结构三维图像包括多个切片，在确定脑脊液面积最大的切片时，可以计算每个切片中脑脊液的像素值之和，像素值总和最大切片即为脑脊液面积最大的切片。79.基于脑脊液图像获取脑血流图像的对称轴，具体可以包括：80.b4-2，查找脑脊液图像中脑脊液的四个顶点，并选取上方两顶点中横坐标最大值、下方两顶点中横坐标最小值、左侧两顶点的纵坐标最大值、右侧两顶点的纵坐标最小值。81.b4-3，以横坐标最大值、横坐标最小值、纵坐标最大值和纵坐标最小值构建脑脊液区域。82.以脑结构三维图像中脑脊液面积最大的切片为例，寻找切片中脑脊液的4个顶点a1、a2、a3、a4，选取上方两顶点中横坐标最大值xmax，下方两顶点中横坐标最小值xmin，左侧两顶点的纵坐标最大值ymax，右侧两顶点的纵坐标最小值ymin，以这4个值构建脑脊液区域[xmin:xmax，ymin:ymax]。本实施例通过分别限定横、纵坐标最小值和最大值，可以缩小脑脊液区域，从而能够获得上下两个空隙区域，有效判断出判断上下凹点。[0083]b4-4，在脑脊液区域进行取反，获得脑脊液区域与框架边缘的空隙区域。对于得到的脑脊液图像，可以其所属图像中除脑脊液区域之外的其他区域作为空隙区域。本实施例中，对于得到的脑脊液区域进行取反，脑脊液区域与框架边缘的上、下、左、右四个空隙区域cup、cdown、cleft、cright。[0084]b4-5，识别位于脑脊液图像上方的第一空隙区域和位于下方的第二空隙区域，依据第一空隙区域获取横坐标最大值对应的第一坐标点，依据第二空隙区域获取横坐标最小对应的第二坐标点。[0085]去掉两侧的空隙区域，对上空隙区域求取横坐标最大值所在点t1(x1，y1)，下空隙区域横坐标最小点t2(x2，y2)，即为所求脑脊液上下凸点t1(x1，y1)和凹点t2(x2，y2)。[0086]b4-6，基于通过第一坐标点和第二坐标点的直线计算偏移角度。[0087]确定通过t1(x1，y1)和的t2(x2，y2)直线，计算偏移角度，偏移角度的计算公式如下：[0088][0089]b4-7，利用脑脊液图像的质心和偏移角度确定图像对称轴。[0090]偏移角度为通过t1(x1，y1)和的t2(x2，y2)直线与x轴的夹角，对称轴为通过t1(x1，y1)和的t2(x2，y2)直线在空间中映射到每一层图像所构成的平面。通过获取脑脊液图像的质心centeri和偏移角度即可确定脑血流图像的对称轴。[0091]上述步骤b4-2到b4-7的处理过程也可以应用于a4中用于获取脑血流图的对称轴。[0092]上述步骤s303将第一脑血流图像翻转，获取与第二脑血流图像对应的参比血流图像包括以下步骤c1～c4。[0093]c1，获取与脑血流图像(本实施例记为cbf图像)对应的脑结构图像。对于感兴趣区域的脑血流图像，需要获取与其位置对应的脑结构图像(本实施例记为t1图像)。[0094]c2，基于脑血流图像的对称轴，获取与第一脑血流图像(l_cbf)对应的第三脑结构图像(l_t1)和与第二脑血流图像(r_cbf)对应的第四脑结构图像(r_t1)。[0095]对于获取到的脑血流图像的对称轴，可以利用该对称轴对脑结构图像进行分割，以得到与第一脑血流图像对应的第三脑结构图像和与第二脑血流图像对应的第四脑结构图像。本实施例中以第一表示左脑、第二表示右脑为例进行说明，实际应用中，第一也可以表示为右脑、第二表示为左脑。[0096]c3，将第三脑结构图像进行翻转，并以第四脑结构图像为固定像，翻转后的第三脑结构图像为浮动像，获取翻转后的第三脑结构图像相对于第四脑结构图像的形变场；[0097]将第三脑结构图像(l_t1)进行翻转得到翻转图像(f_t1_l)，以第四脑结构图像(r_t1)为固定像(fixed image)，翻转图像(f_t1_l)作为浮动像(moving image)进行配准(如非刚性配准)，得到形变场(ng_t1_l)；[0098]c4，基于c3得到的形变场，调整翻转后的第一脑血流图，得到参比血流图像。[0099]对第一脑血流图(l_cbf)进行翻转以得到翻转后的第一脑血流图(fl_cbf_l)，将形变场(ng_t1_l)应用于翻转后的第一脑血流图(fl_cbf_l)，fl_cbf_l＝fng_t1_l(fl_cbf_l)，即可得到参比血流图像。[0100]上述步骤s304基于参比血流图像和第二脑血流图像，获取第二脑血流图像中的低灌注区域包括：[0101]d1，将参比血流图像和第二脑血流图像进行对应像素脑血流比例计算；[0102]d2，标记脑血流比例小于设定阈值的区域并进行形态学处理，以得到低灌注区域。[0103]上述步骤c4中已经将形变场(ng_t1_l)应用于翻转后的第一脑血流图(fl_cbf_l)，进一步地，可以将翻转后的第一脑血流图(fl_cbf_l)与之对应的第二脑血流图(r_cbf)进行对应像素cbf值比例计算；[0104][0105]其中，(i，j)表是i行，j列，表示图像中的像素位置。[0106]另一方面，本实施例中还可以包括步骤c5：将第四脑结构图像进行翻转，并以第三脑结构图像作为固定像，翻转后的第四脑结构图像为浮动像，获取翻转后的第四脑结构图像相对于第三脑结构图像的形变场；c6，基于步骤c5得到的形变场，调整翻转后的第一脑血流图，得到参比血流图像。[0107]也即，将第四脑结构图像(r_t1)进行翻转得到翻转图像(f_t1_r)，以第三脑结构图像(r_t1)为固定像(fixed image)，翻转图像(f_t1_r)作为浮动像(moving image)进行配准(如非刚性配准)，得到形变场(ng_t1_r)；进一步地，将第二脑血流图(r_cbf)进行翻转以得到翻转后的第二脑血流图(fl_cbf_r)，将形变场(ng_t1_l)应用于翻转后的第二脑血流图(fl_cbf_r)，fl_cbf_r＝fng_t1_r(fl_cbf_r)，即可得到参比血流图像。[0108]相对应地，步骤d1～d2，可以将翻转后的第二脑血流图(fl_cbf_r)与之对应的第一脑血流图(l_cbf)进行对应像素cbf值比例计算；[0109][0110]对θl将θr比例小于设定阈值的区域标记，并对其进行形态学处理，得到低灌注区区域。为达到以上目的我们采用t1序列和asl序列进行多模影像配准。确定图像对称轴图像后，将图像对称轴图像映射到cbf图像上获取左右脑图像，并进行非刚性配准，采用非刚性配准的目的是能够依次对每一个像素与对侧对应像素进行比较，获取低灌注区域。使用本方法得到的结果示例图如图4a、图4b所示，其中左侧为cbf图像；右侧伪彩图表示cbf比例小于设定阈值的低灌注区域。[0111]整体上来讲，本实施例的输入为以下三部分：脑结构图像(t1图像)、脑血流图像(cbf图像)以及asl图像(asl控制像)。过程主要包括一下3部分：脑结构图像与asl图像的多模影像互信息配准、基于脑结构图像像进行图像对称轴和左右脑形变场获取、和基于形变场的左右脑血流图各自参比脑血流图像的获取和基于参比脑血流图像的cbf低信号域分割。本发明实施例借助脑脊液图像来进行图像对称轴的确定，对于脑脊液图像借助t1图像来进行确定。t1图像对于脑组织的各区域呈现的非常清晰且直观，可供我们判断脑脊液区域位置，进而能够准确分割出cbf图像中的低灌注区域，考虑全脑两侧都存在低信号区域的情况，避免漏检。[0112]本发明实施例的结果对于人工以及工作站勾画的结果来说，更具有客观性且人工成本和时间成本更少。本发明实施例采用的是对于非刚性配准后的左右脑对应像素进行比较，与现有算法相比，本发明实施例能严格按照对称区域对比来分割低灌注区，降低假阳性并在此基础上同时兼容双侧低灌注情况。[0113]基于同一发明构思，本发明实施例还提供了一种基于asl技术计算脑低灌注区域的装置，如图5所示，本实施例的基于asl技术计算脑低灌注区域的装置包括：[0114]脑血流图像获取模块510，用于获取感兴趣区域的脑血流图像；[0115]分割模块520，用于基于脑血流图像的对称轴分割脑血流图像，得到第一脑血流图像和第二脑血流图像；[0116]参比血流图像获取模块530，用于将第一脑血流图像翻转，获取与第二脑血流图像对应的参比血流图像；[0117]低灌注区域获取模块540，用于基于参比血流图像和第二脑血流图像，获取与第二脑血流图像中的低灌注区。[0118]在本发明一可选实施例中，如图6所示，本实施例的基于asl技术计算脑低灌注区域的装置还可以包括对称轴获取模块550；[0119]对称轴获取模块550，用于获取与脑血流图像位置对应的第一脑结构图像和asl图像，第一脑结构图像包括脑脊液；[0120]以asl图像为固定像、第一脑结构图像为浮动像进行配准，获取与第一脑结构图像对应的第二脑结构图像；[0121]将第二脑结构图像输入训练好的神经网络模型，利用神经网络模型输出脑血流图像的对称轴，神经网络模型以包括脑脊液的脑结构图像和对应的对称轴标记图像训练所得；或，[0122]从第二脑结构图像中分割出脑脊液图像，基于脑脊液图像获取脑血流图像的对称轴。[0123]在本发明一可选实施例中，对称轴获取模块550还可以用于：[0124]获取感兴趣区域的第一脑结构三维图像和asl三维图像，第一脑结构三维图像包括多个切片，每个切片中包括脑脊液；[0125]以asl三维图像为固定像、第一脑结构三维图像为浮动像进行配准，获取第二脑结构三维图像；[0126]将第二脑结构三维图像输入训练好的神经网络模型，利用神经网络模型输出脑血流图像的对称轴，神经网络模型以包括脑脊液的脑结构三维图像和对应的对称轴标记图像训练所得；或；[0127]从第二脑结构三维图像中的脑脊液面积最大的切片中分割出脑脊液图像，基于脑脊液图像获取脑血流图像的对称轴。[0128]在本发明一可选实施例中，对称轴获取模块550还可以用于：[0129]对脑脊液图像中的脑脊液区域进行取反，获得脑脊液区域与框架边缘的空隙区域；[0130]识别位于脑脊液图像上方的第一空隙区域和位于下方的第二空隙区域，依据第一空隙区域获取横坐标最大值对应的第一坐标点，依据第二空隙区域获取横坐标最小对应的第二坐标点；[0131]基于通过第一坐标点和第二坐标点的直线计算偏移角度；[0132]利用脑脊液图像的质心和偏移角度确定图像对称轴。[0133]在本发明一可选实施例中，对称轴获取模块550还可以用于：[0134]查找脑脊液的四个顶点，并选取上方两顶点中横坐标最大值、下方两顶点中横坐标最小值、左侧两顶点的纵坐标最大值、右侧两顶点的纵坐标最小值；[0135]以横坐标最大值、横坐标最小值、纵坐标最大值和纵坐标最小值构建脑脊液区域。[0136]在本发明一可选实施例中，参比血流图像获取模块530还可以用于：[0137]获取与脑血流图像对应的脑结构图像；[0138]基于脑血流图像的对称轴，获取与第一脑血流图像对应的第三脑结构图像和与第二脑血流图像对应的第四脑结构图像；[0139]将第三脑结构图像进行翻转，并以第四脑结构图像为固定像，翻转后的第三脑结构图像为浮动像，获取翻转后的第三脑结构图像相对于第四脑结构图像的形变场；[0140]基于形变场，调整翻转后的第一脑血流图，得到参比血流图像。[0141]在本发明一可选实施例中，低灌注区域获取模块540还可以用于：[0142]将参比血流图像和第二脑血流图像进行对应像素脑血流比例计算；[0143]标记脑血流比例小于设定阈值的区域并进行形态学处理，以得到低灌注区域。[0144]本发明一可选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用于存储程序代码，所述程序代码用于执行上述实施例所述的基于asl技术计算脑低灌注区域的方法。[0145]本发明一可选实施例还提供了一种计算设备，所述计算设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行上述实施例所述的基于asl技术计算脑低灌注区域的的方法。[0146]所属领域的技术人员可以清楚地了解到，上述描述的系统、装置、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。[0147]另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。[0148]本领域普通技术人员可以理解：所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)，磁碟或者光盘等各种可以存储程序代码的介质。[0149]或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。[0150]最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!