CN113850755A - 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 - Google Patents
获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 Download PDFInfo
- Publication number
- CN113850755A CN113850755A CN202110962392.XA CN202110962392A CN113850755A CN 113850755 A CN113850755 A CN 113850755A CN 202110962392 A CN202110962392 A CN 202110962392A CN 113850755 A CN113850755 A CN 113850755A
- Authority
- CN
- China
- Prior art keywords
- time
- perfusion
- acquisition time
- tissue density
- image
- 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
- 230000010412 perfusion Effects 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 67
- 210000004556 brain Anatomy 0.000 title claims abstract description 66
- 238000003384 imaging method Methods 0.000 title claims abstract description 66
- 230000008859 change Effects 0.000 claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 210000001519 tissue Anatomy 0.000 claims description 137
- 238000012905 input function Methods 0.000 claims description 88
- 210000001367 artery Anatomy 0.000 claims description 70
- 210000003462 vein Anatomy 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003491 array Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 210000005013 brain tissue Anatomy 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 210000003625 skull Anatomy 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 105
- 230000000875 corresponding effect Effects 0.000 description 54
- 208000006011 Stroke Diseases 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 208000032382 Ischaemic stroke Diseases 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003727 cerebral blood flow Effects 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000302 ischemic effect Effects 0.000 description 3
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000016988 Hemorrhagic Stroke Diseases 0.000 description 1
- 206010053648 Vascular occlusion Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 208000035474 group of disease Diseases 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 231100000225 lethality Toxicity 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000021331 vascular occlusion disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了获取脑部CT灌注成像参数图的方法、装置、系统和计算机存储介质，所述方法包括：获取CT灌注影像、对所述CT灌注影像进行前处理，获得离散的组织密度变化曲线C(n)；读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)；截取采集时刻数组T(n)，得到相对采集时刻数组t(n)；将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到各像素点的组织密度时间曲线C(tn)；对离散的组织密度时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔重新离散，得到离散后的组织密度时间曲线C(n)’。对动脉输入变化曲线AIF(n)和静脉输出变化曲线VOF(n)进行同样的处理。本申请提高了组织密度时间曲线的可用性，有助于降低求解难度、提高求解的准确度。
Description
技术领域
本申请涉及图像处理和医疗工程交叉技术领域，特别是涉及一种获取脑部 CT灌注成像参数图的方法、装置、系统和计算机存储介质。
背景技术
脑卒中，即中风，是一种急性脑血管疾病，是由于脑部血管突然破裂或因 血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性和 出血性卒中，具有极高的致残率和较高的致死率。人类生活结构的改变导致急 性缺血性脑卒中发病率越来越高。急性缺血性脑卒中(脑梗死)是最常见的脑卒 中类型,占全部脑卒中的60％～80％。
灌注成像在急性脑卒中和肿瘤学中应用最为广泛。卒中诊断时，灌注成像 的目的是确定病变组织的范围，并描绘出可以再灌注的缺血组织。灌注测量越 来越多地用于评估、分期和治疗后监测。
脑CT灌注成像(CTP)是一种评价脑实质血流灌注状态的成像技术，也 是当前检查急性缺血性脑卒中的重要影像学方法。这项技术包括在静脉注射造 影剂(如碘化造影剂)后对头部进行快速的连续CT扫描。基于示踪动力学模 型及示踪剂稀释理论，通过基于去卷积或非去卷积的算法对获取的对比增强和 时间分辨CT图像进行处理，以生成灌注参数(如脑血容量(cerebral blood volume, CBV)、脑血流量(cerebral blood flow,CBF)、平均传输时间(mean transient time, MTT)等)图。
现有技术在CT灌注影像采集的过程中，由于影像采集设备或采集方式的 不同，同一影像序列的不同帧的影像可能具有不同的采集时间。去卷积方法是 目前最常用的CT灌注图像处理方法，参阅公式(1)：c(t)＝AIF(t)*k(t)； 其中，C(t)为组织时间密度曲线；AIF(t)为动脉输入函数；k(t)为残余函数，或 称流量标度残余函数。由于不同帧的影像具有不同的采集时间，所以直接采用 采集的原始影像计算残余函数k(t)，将导致后续灌注参数图的准确性下降、求 解难度困难、残余函数k(t)时间分辨率低等问题。
发明内容
为解决现有技术中灌注参数图的准确性低、求解灌注参数图的难度大、残 余函数k(t)时间分辨率低的问题，本申请提供一种获取脑部CT灌注成像参数图 的方法。
本申请获取脑部CT灌注成像参数图的方法，包括：
获取CT灌注影像、对所述CT灌注影像进行前处理，获得离散的组织密度 变化曲线C(n)，其中n为第n个采集时刻，C(n)为第n个时刻对应的组织密度；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n 个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)包括与离散 的组织密度变化曲线C(n)相对应的Tc(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)包括与离散的组 织密度变化曲线C(n)相对应的tc(n)；
将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到各 像素点的组织密度时间曲线C(tn)；
对离散的组织密度时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔 重新离散，得到离散后的组织密度时间曲线C(n)’，根据组织密度时间曲线 C(n)’获取脑部CT灌注成像参数图。
可选的，所述方法还包括：获取CT灌注影像、对所述CT灌注影像进行前 处理，获得动脉输入函数AIF(n)，其中n为第n个采集时刻；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n 个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)还包括与动 脉输入函数AIF(n)相对应的Ta(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)还包括与动脉输 入函数AIF(n)相对应的ta(n)；
将动脉输入函数AIF(n)与相对应的相对采集时刻数组t(n)结合，得到动脉 输入函数AIF(tn)；
对动脉输入函数AIF(tn)进行拟合或插值后，按照相同的时间间隔重新离散， 得到离散后的动脉输入函数AIF(n)’，根据动脉输入函数AIF(n)’获取脑部CT 灌注成像参数图。
可选的，所述方法包括：获取CT灌注影像、对所述CT灌注影像进行前处 理，获得离散的组织密度变化曲线C(n)和动脉输入函数AIF(n)，其中n为第n 个采集时刻；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n 个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)包括分别与 组织密度变化曲线C(n)和动脉输入函数AIF(n)相对应的Tc(n)和Ta(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)包括分别与组织 密度变化曲线C(n)和动脉输入函数AIF(n)相对应的tc(n)和ta(n)；
分别将组织密度变化曲线C(n)和动脉输入函数AIF(n)与相对应的相对采集 时刻数组t(n)结合，得到动脉输入函数AIF(tn)和各像素点的组织密度时间曲线 C(tn)；
分别对组织密度时间曲线C(tn)和动脉输入函数AIF(tn)进行拟合或插值后， 对二者按照相同的时间间隔重新离散，得到离散后的组织密度时间曲线C(n)’ 和动脉输入函数AIF(n)’。
可选的，所述方法还包括：根据公式c(t)＝AIF(t)*k(t)对组织密度时 间曲线C(n)’和动脉输入函数AIF(n)’进行处理，得到离散后的残余函数k(t)’；
其中t为时间变量，k(t)为残余函数。
可选的，所述截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，具体 包括：
根据采集时刻数组T(n)找到采集时刻数组T(n)的最小值Tmin，根据Tmin 对采集时刻数组T(n)进行处理，得到从Tmin时刻起的相对采集时刻数组t(n)。
可选的，所述截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，具体 包括：
根据CT灌注影像中采集时刻的格式，将采集时刻数组T(n)转化为以秒为 度量的时刻值；
遍历CT灌注影像中的每一层影像的采集时刻数组最小值t(0)，找到所有采 集时刻数组T(n)中的最小值Tmin；
将各像素点的采集时刻数组T(n)中的每个元素减去Tmin，得到各像素点从 Tmin时刻起的相对采集时刻数组t(n)。
可选的，所述组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的离散时 间间隔相同，所述组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的起始时 刻相同。
可选的，所述方法还包括：获取CT灌注影像、对所述CT灌注影像进行前 处理，获得静脉输出函数VOF(n)，其中n为第n个采集时刻；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n 个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)还包括与静 脉输出函数VOF(n)相对应的Tv(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)还包括与静脉输 出函数VOF(n)相对应的tv(n)；
将静脉输出函数VOF(n)与相对应的相对采集时刻数组t(n)结合，得到静脉 输出函数VOF(tn)；
对静脉输出函数VOF(tn)进行拟合或插值后，按照相同的时间间隔重新离 散，得到离散后的静脉输出函数VOF(n)’，根据静脉输出函数VOF(n)’获取脑 部CT灌注成像参数图；
所述组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的离散时间间隔相 同，所述组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的起始时刻相同。
可选的，所述对所述CT灌注影像进行前处理包括脑组织提取。
可选的，所述对所述CT灌注影像进行前处理包括对所述CT灌注影像进行 运动校正、滤波处理、分割颅骨提取脑组织、动静脉点自动查找。
本申请还提供一种获取脑部CT灌注成像参数图的装置，包括：
前处理模块，获取CT灌注影像、对所述CT灌注影像进行前处理，获得前 处理后的脑部CT灌注影像，包括组织密度变化曲线C(n)及全局动脉输入函数 AIF(n)和静脉输出函数VOF(n)；
时间处理模块，读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)， 其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻， T(n)与组织密度变化曲线C(n)相对应；截取采集时刻数组T(n)，得到相对采集 时刻数组t(n)；
离散处理模块，将组织密度变化曲线C(n)与相对采集时刻数组t(n)相结合， 得到各像素点的组织密度时间函数图；对所述函数图进行拟合或插值后，按照 相同的时间间隔重新离散，得到离散后的函数图，所述离散后的函数图为经过 时间校正后的组织密度时间曲线。
可选的，所述离散后的函数图包括本申请所述的组织密度时间曲线C(n)’ 和动脉输入函数AIF(n)’。
本申请还提供一种获取脑部CT灌注成像参数图的系统，包括终端以及服 务器，所述服务器包括计算机存储器、计算机处理器、以及存储在所述计算机 存储器中并可在所述计算机处理器上执行的计算机程序，所述服务器从终端获 取终端CT灌注影像；
所述计算机处理器执行所述计算机程序时，实现本申请所述的获取脑部CT 灌注成像参数图的方法。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有 计算机程序，所述计算机程序被计算机处理器执行时实现本申请所述的获取脑 部CT灌注成像参数图的方法。
本申请获取脑部CT灌注成像参数图的方法至少具有以下效果：
通过对组织密度时间曲线进行拟合或插值后，按照相同的时间间隔重新离 散，使得同一影像序列的不同帧的影像具有相同的采集时间，提高了组织密度 时间曲线的可用性，有助于降低求解难度、提高求解的准确度；
通过同时对组织密度时间曲线和动脉输入函数进行拟合或插值后，按照相 同的时间间隔重新离散，使得组织密度时间曲线和动脉输入函数具有相同的起 始时刻、相同的时间间隔，进一步降低了求解难度，提高了灌注参数求解的准 确度；
通过对静脉输出函数进行拟合或插值后，按照相同的时间间隔重新离散， 使得同一影像序列的不同帧的影像具有相同的采集时间，提高静脉输出函数的 可用性。
附图说明
图1为本申请一实施例中获取脑部CT灌注成像参数图的方法流程示意图；
图2为本申请一实施例中获取脑部CT灌注成像参数图方法中获得的组织 密度时间曲线C(n)’的方法流程示意图；
图3为本申请不同的实施例中采用本申请所述方法获得的脑部CT灌注成 像参数图的前后对比图；
图4为本申请一实施例中采用本申请所述方法获得的脑部CT灌注成像参 数图的前后对比图；
图5为本申请一实施例中获取脑部CT灌注成像参数图装置的结构框图。
具体实施方式
现有技术中，去卷积方法是目前最常用的CT灌注图像处理方法。参阅公 式(1)：c(t)＝AIF(t)*k(t)；其中，C(t)为组织时间密度曲线；AIF(t)为动 脉输入函数；k(t)为残余函数，三者的具体说明属于现有技术中常见的参数，在 此不做赘述。去卷积方法假设动脉输入函数AIF(t)、组织时间密度曲线C(t)和 残余函数k(t)通过卷积模型相互关联，因此通过去卷积运算，可以估计残余函 数k(t)和与之相关的灌注参数。
由于CT灌注影像每一帧的采集时间是离散的，因此需将上式离散化，得 到公式(2)：
其中，
tj为CT灌注影像的第j个采集时刻；
c(tj)为tj时刻的组织密度；
AIF为动脉输入函数；
k为残余函数；
N为每一层灌注影像的采集帧数；
Δt为同一层灌注影像的连续两帧影像之间的时间间隔。
由公式(2)可知，在进行去卷积运算求解残余函数k(t)时，动脉输入函数 AIF(t)和组织时间密度曲线c(t)的对应时刻需一致。
在CT灌注影像采集的过程中，由于影像采集设备或采集方式的不同，同 一影像序列的不同空间位置处(即不同层)的影像可能具有不同的采集时间， 在这种情况下，当采用同样的全局动脉输入函数进行去卷积处理时，必然会有 某些层的时间密度曲线的采集时间与全局动脉输入函数的采集时间不一致，这 会导致计算结果对延迟的低估或高估，进而降低了最终得到的灌注参数图的准 确性。
同时，同一影像序列中，同一空间位置处(即同一层)影像的采集时间间 隔也可能不同，在进行离散化的去卷积计算时，时间间隔的不同会增加求解灌 注参数图的难度(利用公式2求解灌注参数图要求时间间隔相同)。此外，CT 灌注影像采集的过程中，同一层影像的采集时间间隔过大会导致直接进行去卷 积计算后得到的残余函数k(t)时间分辨率较低。而残余函数k(t)最大值对应时刻 Tmax是判断组织是否缺血的重要参考指标。可以理解，残余函数k(t)是“时间 ——值”的函数，Tmax即残余函数k(t)最大值的对应时刻坐标。因此，直接采 用该采集时间间隔会降低最终得到的灌注参数图的准确性。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用 以解释本申请，并不用于限定本申请。
为解决上述技术问题，参阅图1，本申请一实施例中提供一种获取脑部CT 灌注成像参数图的方法，包括：
步骤S10，获取CT灌注影像、对CT灌注影像进行前处理，获得前处理后 的脑部CT灌注影像，包括组织密度变化曲线C(n)及全局动脉输入函数AIF(n) 和静脉输出函数VOF(n)；对CT灌注影像进行的前处理包括脑组织提取。具体 地，前处理包括对CT灌注影像进行运动校正、滤波处理、分割颅骨提取脑组 织、动静脉点自动查找等。
步骤S20，读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)， 其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻， T(n)与组织密度变化曲线C(n)相对应；截取采集时刻数组T(n)，得到相对采集 时刻数组t(n)；
步骤S30，将组织密度变化曲线C(n)与相对采集时刻数组t(n)相结合，得 到各像素点的组织密度时间函数图；
步骤S40，对函数图进行拟合或插值后，按照相同的时间间隔重新离散， 得到离散后的函数图，离散后的函数图为经过时间校正后的组织密度时间曲线， 根据离散后的函数图获取脑部CT灌注成像参数图。
本实施例中，脑部CT灌注成像参数图由组织密度时间曲线、动脉输入函 数以及静脉输出函数处理获得。获得的脑部CT灌注成像参数图根据各函数图 (组织密度时间曲线、动脉输入函数以及静脉输出函数)通过公式1求得，包 括脑血流量CBF、脑血容量CBV、平均传输时间MTT、残余函数达峰时间Tmax 等，以上几种参数属于本领域技术人员常用参数，不再进行赘述性解释。
本申请实施例中，通过对组织密度时间曲线、动脉输入函数拟合或插值处 理，使得组织密度时间曲线、动脉输入函数在同一影像序列的不同层的影像具 有相同的采集时间，在后续的计算中有利于提高脑部CT灌注影像参数图的准 确性。
可以理解，在影像采集设备针对脑部不同位置(不同层)进行CT灌注影 像采集时，n的物理含义均相同，即为本层CT灌注影像的第n个采集时刻。但 由于影像采集设备可能无法同时完成所有层CT灌注影像的采集，因此不同层 影像的实际的第n个采集时刻对应的物理时间可能不同，因此导致不同层的组 织密度变化曲线、全局动脉输入函数和静脉输出函数的起始时间及时间间隔不 一定相同。本申请实施例在各函数图拟合或插值后，按照相同的时间间隔重新 离散，使得各函数图具有相同的起始时间和时间间隔。本实施例中，以组织密 度时间曲线、动脉输入函数任意一个为例，本实施例提高了组织密度时间曲线 或动脉输入函数的可靠性，有助于降低求解难度、提高求解的准确度。
在另一实施例中，参阅图2，获取脑部CT灌注成像参数图的方法包括：
步骤S11，获取组织密度变化曲线，具体包括：获取CT灌注影像、对CT 灌注影像进行前处理，获得离散的组织密度变化曲线C(n)，其中n为第n个采 集时刻，C(n)为第n个时刻对应的组织密度；
步骤S21，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)包括与离散的组织密度变化曲线C(n) 相对应的T(cn)；
可以理解，CT灌注影像中，包含每一帧影像采集时刻的准确信息。在读取 CT灌注影像时，获取每一帧影像的采集时刻并保存，最终每个像素点都可得到 一个采集时刻数组T(n)，该数组与该像素点的组织密度变化曲线相对应。同样， n为该像素点的第n个采集时刻。同一层影像上的所有像素点具有相同的采集 时刻数组T(n)。可知T(n)必定为单调递增数组。
步骤S31，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)包括与离散的组织密度变化曲线C(n)相对应的 t(cn)；将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到各 像素点的组织密度时间曲线C(tn)；
步骤S41，对组织密度时间曲线进行拟合或插值处理。对离散的组织密度 时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔dt离散处理，得到离散 后的组织密度时间曲线C(n)’，根据组织密度时间曲线C(n)’获取脑部CT灌注 成像参数图。
本申请的各实施例中，由于CT灌注影像的图像采集时间是离散的，因此 前处理获取的CT灌注成像参数图可以理解为离散的曲线，例如组织密度时间 曲线C(tn)是一条离散曲线。对各曲线上的点进行拟合或插值。具体地，拟合方 法包括但不限于多项式拟合、曲线拟合等。插值方法包括但不限于Lagrange插 值、Newton插值、Hermite插值、样条插值等。
在另一实施例中，获取脑部CT灌注成像参数图的方法还包括：
步骤S12，获取动脉输入函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得动脉输入函数AIF(n)，其中n为第n个采集时刻；
步骤S22，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)还包括与动脉输入函数AIF(n)相对应 的Ta(n)；
可以理解，CT灌注影像中，包含每一帧影像采集时刻的准确信息。在读取CT灌注影像时，获取每一帧影像的采集时刻并保存，最终每个像素点都可得到 一个采集时刻数组T(n)，该数组与该像素点的动脉输入函数AIF(n)相对应。同 样，n为该像素点的第n个采集时刻。同一层影像上的所有像素点具有相同的 采集时刻数组T(n)。
步骤S32，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)还包括与动脉输入函数AIF(n)相对应的ta(n)； 将动脉输入函数AIF(n)与相对应的相对采集时刻数组t(n)结合，得到动脉输入 函数AIF(tn)；
步骤S42，对动脉输入函数AIF(tn)进行拟合或插值后，按照相同的时间间 隔重新离散，得到离散后的动脉输入函数AIF(n)’，根据动脉输入函数AIF(n)’ 获取脑部CT灌注成像参数图。
如图3所示，图3(a)包括采用本申请实施例所述方法之前的动脉输入函数 AIF(n)，图3(b)包括采用本申请实施例所述方法之后的动脉输入函数AIF(n)’。 如图3所示，纵坐标为参数值(value)，横坐标为不同时刻(time)。
为实现对获取参数的应用，在另一实施例中，获取脑部CT灌注成像参数 图的方法还包括：根据公式(1)c(t)＝AIF(t)*k(t)对组织密度时间曲线 C(n)’和动脉输入函数AIF(n)’进行求解处理，得到离散后的残余函数k(t)’； 其中t为时间变量，k(t)为残余函数。根据卷积公式(1)的卷积算法，可以理 解，去卷积后运算能够得到残余函数k(t)。
在另一实施例中，组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的离 散时间间隔相同，所述组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的起 始时刻相同。本申请实施例中，通过同时对组织密度时间曲线和动脉输入函数 AIF采用时间拟合与插值处理，使得组织密度变化曲线及动脉输入函数均有相 同的起始时刻(Tmin)、相同的时间间隔(dt)，因此解决了传统方法因起始时 刻不同导致的对延迟的高估或低估，也解决了因时间间隔不同造成的去卷积算 法的难度增加。同时，在重新离散时减小时间间隔dt(如令dt＝1)，可以增加 去卷积计算得到的剩余函数k(t)的时间分辨率，因此提高了最终求解得到的灌 注参数图的准确度。如图4所示，图4(a)所示为采用本申请各实施例所述方法 之前获得的Tmax参数图；图4(b)为采用本申请各实施例所述方法之后获得的 Tmax参数图，图中可见经过本申请基于时间拟合与插值技术对获取脑部CT灌 注成像参数图的方法，效果有明显改善。
在另一实施例中，获取脑部CT灌注成像参数图的方法还包括：
步骤S13，获取静脉输出函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得静脉输出函数VOF(n)，其中n为第n个采集时刻；
步骤S23，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)还包括与静脉输出函数VOF(n)相对应 的Tv(n)；
步骤S33，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)还包括与静脉输出函数VOF(n)相对应的tv(n)； 将静脉输出函数VOF(n)与相对应的相对采集时刻数组t(n)结合，得到静脉输出 函数VOF(tn)；
可以理解，CT灌注影像中，包含每一帧影像采集时刻的准确信息。在读取 CT灌注影像时，获取每一帧影像的采集时刻并保存，最终每个像素点都可得到 一个采集时刻数组T(n)，该数组与该像素点的静脉输出函数VOF(n)相对应。同 样，n为该像素点的第n个采集时刻。同一层影像上的所有像素点具有相同的 采集时刻数组T(n)。
步骤S43，对静脉输出函数VOF(tn)进行拟合或插值后，按照相同的时间间 隔重新离散，得到离散后的静脉输出函数VOF(n)’，根据静脉输出函数VOF(n)’ 获取脑部CT灌注成像参数图；
组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的离散时间间隔相同， 所述组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的起始时刻相同。如图3所示，图3(a)包括采用本申请实施例所述方法之前的静脉输出函数VOF(n)， 图3(b)包括采用本申请实施例所述方法之后的静脉输出函数VOF(n)’。
本实施例中，对CT灌注影像进行时间校正后，CT灌注影像所有像素点上 的静脉输出函数与上述其他获取参数(例如，组织密度变化曲线、动脉输入函 数)均有相同的起始时刻(Tmin)、相同的时间间隔(dt)，本实施例通过使得 静脉输出函数VOF(n)与其他函数图曲线具有相同的起始时间和时间间隔，有助 于增加后续计算处理中获得脑部CT灌注成像参数图的准确度。解决了传统方 法因起始时刻不同导致的对延迟的高估或低估，也解决了因时间间隔不同造成 的去卷积算法的难度增加。因此提高了最终求解得到的灌注参数图的准确度。
为揭示相对采集时刻数组t(n)的获得方式，在另一实施例中，截取采集时 刻数组T(n)，得到相对采集时刻数组t(n)，具体包括：
根据采集时刻数组T(n)找到采集时刻数组T(n)的最小值Tmin，根据Tmin 对采集时刻数组T(n)进行处理，得到从Tmin时刻起的相对采集时刻数组t(n)。
具体地，根据CT灌注影像中采集时刻的格式，将采集时刻数组T(n)转化 为以秒为度量的时刻值；遍历CT灌注影像中的每一层影像的采集时刻数组最 小值t(0)，找到所有采集时刻数组T(n)中的最小值Tmin；将各像素点的采集时 刻数组T(n)中的每个元素减去Tmin，得到各像素点从Tmin时刻起的相对采集 时刻数组t(n)。各CT灌注成像参数图的是“时间——参数值”可以理解为一种 图像，Tmin为时间轴的一个节点。在不同的实施例中，各CT灌注成像参数图 所用的Tmin值是相同的，以保证各CT灌注成像参数图具有相同的起始时刻。
例如，第一层影像的采集时刻数组为T1(n)，该层影像从t1(0)时刻开始采 集，则相对Tmin时刻来说，从第t1(0)＝T1(0)-Tmin时刻开始采集；第i层影像 的采集时刻数组为Ti(n)，该层影像从Ti(0)时刻开始采集，则相对Tmin时刻来 说，从第ti(0)＝Ti(0)-Tmin时刻开始采集。对全局动脉输入函数AIF(n)和静脉 输出函数VOF(n)对应的采集时刻数组T(n)也做相应处理。因此，经过处理后， 所有像素点的相对采集时刻数组t(n)中的元素均为相对Tmin的时间。
总结，本申请通过基于时间拟合与离散的技术对获取脑部CT灌注成像参 数图方法进行优化，旨在解决上述三个问题，提高通过去卷积方法求解的灌注 参数图的准确性，降低求解难度。本方法的主要实现流程如下：首先，获取经 过前处理后的组织时间变化曲线c(n)和全局动脉输入函数AIF(n)及静脉输出函 数VOF(n)，其中n为第n个采集时刻；其次，读取CT灌注影像的采集时间信 息，得到每个像素点的采集时刻数组T(n)；再次，对采集时刻数组进行处理， 得到每个像素点相对于同一时刻的新的相对采集时刻数组t(n)；最后，将各函 数或曲线与其对应的相对采集时刻数组t(n)结合、对其进行拟合或插值处理后重新离散。以组织密度变化曲线c(n)为例，将组织密度变化曲线c(n)与其对应 的相对采集时刻数组t(n)结合，得到该像素点上的组织密度时间曲线c(tn)，对 组织密度时间曲线进行拟合或插值处理后重新离散，得到起始时刻相同、时间 间隔相同的新的组织密度时间曲线C(n)’。
应该理解的是，虽然图1-2的流程图中的各个步骤按照箭头的指示依次显 示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明 确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺 序执行。而且，图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段， 这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻 执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它 步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种获取脑部CT灌注成像参数图 的装置，包括：前处理模块、时间处理模块和离散处理模块，其中：
前处理模块，获取CT灌注影像、对所述CT灌注影像进行前处理，获得前 处理后的脑部CT灌注影像，包括组织密度变化曲线C(n)及全局动脉输入函数 AIF(n)和静脉输出函数VOF(n)；
时间处理模块，读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)， 其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)与组织密度变化曲线C(n)相对应；截取采集时刻数组T(n)，得到相对采集 时刻数组t(n)；
离散处理模块，将组织密度变化曲线C(n)与相对采集时刻数组t(n)相结合， 得到各像素点的组织密度时间函数图；对所述函数图进行拟合或插值后，按照 相同的时间间隔重新离散，得到离散后的函数图，离散后的函数图为经过时间 校正后的组织密度时间曲线。
关于获取脑部CT灌注成像参数图的装置的具体限定可以参见上文中对于 获取脑部CT灌注成像参数图的方法的限定，在此不再赘述。上述获取脑部CT 灌注成像参数图的装置中的各个模块可全部或部分通过软件、硬件及其组合来 实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也 可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上 各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其 内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、 存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提 供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。 该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存 储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口 用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一 种获取脑部CT灌注成像参数图的方法。该计算机设备的显示屏可以是液晶显 示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触 摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外 接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，提供了获取脑部CT灌注成像参数图的系统，包括终端 以及服务器，服务器包括计算机存储器、计算机处理器、以及存储在计算机存 储器中并可在计算机处理器上执行的计算机程序，服务器从终端获取获取CT 灌注影像；所述计算机处理器执行所述计算机程序时，实现以下步骤：
步骤S11，获取组织密度变化曲线，具体包括：获取CT灌注影像、对CT 灌注影像进行前处理，获得离散的组织密度变化曲线C(n)，其中n为第n个采 集时刻，C(n)为第n个时刻对应的组织密度；
步骤S21，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)包括与离散的组织密度变化曲线C(n) 相对应的T(cn)；
步骤S31，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)包括与离散的组织密度变化曲线C(n)相对应的 t(cn)；将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到 各像素点的组织密度时间曲线C(tn)；
步骤S41，对组织密度时间曲线进行拟合或插值处理。对离散的组织密度 时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔dt离散处理，得到离 散后的组织密度时间曲线C(n)’，根据组织密度时间曲线C(n)’获取脑部CT灌 注成像参数图。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，计算机程序被处理器执行时实现以下步骤：
步骤S11，获取组织密度变化曲线，具体包括：获取CT灌注影像、对CT 灌注影像进行前处理，获得离散的组织密度变化曲线C(n)，其中n为第n个采 集时刻，C(n)为第n个时刻对应的组织密度；
步骤S21，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)包括与离散的组织密度变化曲线C(n) 相对应的T(cn)；
步骤S31，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)包括与离散的组织密度变化曲线C(n)相对应的 t(cn)；将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到 各像素点的组织密度时间曲线C(tn)；
步骤S41，对组织密度时间曲线进行拟合或插值处理。对离散的组织密度 时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔dt离散处理，得到离 散后的组织密度时间曲线C(n)’。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
步骤S12，获取动脉输入函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得动脉输入函数AIF(n)，其中n为第n个采集时刻；步骤 S22，读取影像采集时间信息，具体包括：读取CT灌注影像的采集时间信息， 获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影 像采集设备的物理时刻，T(n)还包括与动脉输入函数AIF(n)相对应的Ta(n)；步 骤S32，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)，得到 相对采集时刻数组t(n)，t(n)还包括与动脉输入函数AIF(n)相对应的ta(n)；将动 脉输入函数AIF(n)与相对应的相对采集时刻数组t(n)结合，得到动脉输入函数 AIF(tn)；步骤S42，对动脉输入函数AIF(tn)进行拟合或插值后，按照相同的时 间间隔重新离散，得到离散后的动脉输入函数AIF(n)’，根据动脉输入函数 AIF(n)’获取脑部CT灌注成像参数图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
步骤S13，获取静脉输出函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得静脉输出函数VOF(n)，其中n为第n个采集时刻；步骤 S23，读取影像采集时间信息，具体包括：读取CT灌注影像的采集时间信息， 获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影 像采集设备的物理时刻，T(n)还包括与静脉输出函数VOF(n)相对应的Tv(n)； 步骤S33，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)，得 到相对采集时刻数组t(n)，t(n)还包括与静脉输出函数VOF(n)相对应的tv(n)； 将静脉输出函数VOF(n)与相对应的相对采集时刻数组t(n)结合，得到静脉输出 函数VOF(tn)；步骤S43，对静脉输出函数VOF(tn)进行拟合或插值后，按照相 同的时间间隔重新离散，得到离散后的静脉输出函数VOF(n)’，根据静脉输出 函数VOF(n)’获取脑部CT灌注成像参数图；组织密度时间曲线C(n)’和静脉 输出函数VOF(n)’的离散时间间隔相同，所述组织密度时间曲线C(n)’和静脉 输出函数VOF(n)’的起始时刻相同。如图3所示，图3(a)包括采用本申请实施 例所述方法之前的静脉输出函数VOF(n)，图3(b)包括采用本申请实施例所述方 法之后的静脉输出函数VOF(n)’。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程 序，计算机程序被处理器执行时实现以下步骤：
步骤S11，获取组织密度变化曲线，具体包括：获取CT灌注影像、对CT 灌注影像进行前处理，获得离散的组织密度变化曲线C(n)，其中n为第n个采 集时刻，C(n)为第n个时刻对应的组织密度；
步骤S21，读取影像采集时间信息，具体包括：读取CT灌注影像的采集 时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个 影像时，影像采集设备的物理时刻，T(n)包括与离散的组织密度变化曲线C(n) 相对应的T(cn)；
步骤S31，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)， 得到相对采集时刻数组t(n)，t(n)包括与离散的组织密度变化曲线C(n)相对应的 t(cn)；将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到 各像素点的组织密度时间曲线C(tn)；
步骤S41，对组织密度时间曲线进行拟合或插值处理。对离散的组织密度 时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔dt离散处理，得到离 散后的组织密度时间曲线C(n)’。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
步骤S12，获取动脉输入函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得动脉输入函数AIF(n)，其中n为第n个采集时刻；步骤 S22，读取影像采集时间信息，具体包括：读取CT灌注影像的采集时间信息， 获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影 像采集设备的物理时刻，T(n)还包括与动脉输入函数AIF(n)相对应的Ta(n)；步 骤S32，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)，得到 相对采集时刻数组t(n)，t(n)还包括与动脉输入函数AIF(n)相对应的ta(n)；将动 脉输入函数AIF(n)与相对应的相对采集时刻数组t(n)结合，得到动脉输入函数 AIF(tn)；步骤S42，对动脉输入函数AIF(tn)进行拟合或插值后，按照相同的时 间间隔重新离散，得到离散后的动脉输入函数AIF(n)’，根据动脉输入函数 AIF(n)’获取脑部CT灌注成像参数图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
步骤S13，获取静脉输出函数，具体包括：获取CT灌注影像、对CT灌注 影像进行前处理，获得静脉输出函数VOF(n)，其中n为第n个采集时刻；步骤 S23，读取影像采集时间信息，具体包括：读取CT灌注影像的采集时间信息， 获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影 像采集设备的物理时刻，T(n)还包括与静脉输出函数VOF(n)相对应的Tv(n)； 步骤S33，对采集时间数组进行处理，具体包括：截取采集时刻数组T(n)，得 到相对采集时刻数组t(n)，t(n)还包括与静脉输出函数VOF(n)相对应的tv(n)； 将静脉输出函数VOF(n)与相对应的相对采集时刻数组t(n)结合，得到静脉输出 函数VOF(tn)；步骤S43，对静脉输出函数VOF(tn)进行拟合或插值后，按照相 同的时间间隔重新离散，得到离散后的静脉输出函数VOF(n)’，根据静脉输出 函数VOF(n)’获取脑部CT灌注成像参数图；组织密度时间曲线C(n)’和静脉 输出函数VOF(n)’的离散时间间隔相同，所述组织密度时间曲线C(n)’和静脉 输出函数VOF(n)’的起始时刻相同。如图3所示，图3(a)包括采用本申请实施 例所述方法之前的静脉输出函数VOF(n)，图3(b)包括采用本申请实施例所述方 法之后的静脉输出函数VOF(n)’。
本领域普通技术人员可以理解实现上述各实施例所述方法中的全部或部分 流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可 存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括 如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对 存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性 存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、 电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失 性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明 而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、 同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器 总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述 实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特 征的组合不存在矛盾，都应当认为是本说明书记载的范围。不同实施例中的技 术特征体现在同一附图中时，可视为该附图也同时披露了所涉及的各个实施例 的组合例。
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发明专利范围的限制。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，本申请专利的保护范围应以所附权 利要求为准。
Claims (10)
1.获取脑部CT灌注成像参数图的方法，其特征在于，包括：
获取CT灌注影像、对所述CT灌注影像进行前处理，获得离散的组织密度变化曲线C(n)，其中n为第n个采集时刻，C(n)为第n个时刻对应的组织密度；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)包括与离散的组织密度变化曲线C(n)相对应的Tc(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)包括与离散的组织密度变化曲线C(n)相对应的tc(n)；
将组织密度变化曲线C(n)与相对应的相对采集时刻数组t(n)结合，得到各像素点的组织密度时间曲线C(tn)；
对离散的组织密度时间曲线C(tn)进行拟合或插值后，按照相同的时间间隔重新离散，得到离散后的组织密度时间曲线C(n)’，根据组织密度时间曲线C(n)’获取脑部CT灌注成像参数图。
2.根据权利要求1所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述方法还包括：
获取CT灌注影像、对所述CT灌注影像进行前处理，获得动脉输入函数AIF(n)，其中n为第n个采集时刻；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)还包括与动脉输入函数AIF(n)相对应的Ta(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)还包括与动脉输入函数AIF(n)相对应的ta(n)；
将动脉输入函数AIF(n)与相对应的相对采集时刻数组t(n)结合，得到动脉输入函数AIF(tn)；
对动脉输入函数AIF(tn)进行拟合或插值后，按照相同的时间间隔重新离散，得到离散后的动脉输入函数AIF(n)’，根据动脉输入函数AIF(n)’获取脑部CT灌注成像参数图。
3.根据权利要求2所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述方法还包括：
根据公式c(t)＝AIF(t)*k(t)对组织密度时间曲线C(n)’和动脉输入函数AIF(n)’进行处理，得到离散后的残余函数k(t)’；
其中t为时间变量，k(t)为残余函数。
4.根据权利要求1所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述前处理包括：对所述CT灌注影像进行运动校正、滤波处理、分割颅骨提取脑组织、动静脉点自动查找。
5.根据权利要求1所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，具体包括：
根据CT灌注影像中采集时刻的格式，将采集时刻数组T(n)转化为以秒为度量的时刻值；
遍历CT灌注影像中的每一层影像的采集时刻数组最小值t(0)，找到所有采集时刻数组T(n)中的最小值Tmin；
将各像素点的采集时刻数组T(n)中的每个元素减去Tmin，得到各像素点从Tmin时刻起的相对采集时刻数组t(n)。
6.根据权利要求2所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的离散时间间隔相同，所述组织密度时间曲线C(n)’和动脉输入函数AIF(n)’的起始时刻相同。
7.根据权利要求1所述的获取脑部CT灌注成像参数图的方法，其特征在于，所述方法还包括：
获取CT灌注影像、对所述CT灌注影像进行前处理，获得静脉输出函数VOF(n)，其中n为第n个采集时刻；
读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)还包括与静脉输出函数VOF(n)相对应的Tv(n)；
截取采集时刻数组T(n)，得到相对采集时刻数组t(n)，t(n)还包括与静脉输出函数VOF(n)相对应的tv(n)；
将静脉输出函数VOF(n)与相对应的相对采集时刻数组t(n)结合，得到静脉输出函数VOF(tn)；
对静脉输出函数VOF(tn)进行拟合或插值后，按照相同的时间间隔重新离散，得到离散后的静脉输出函数VOF(n)’，根据静脉输出函数VOF(n)’获取脑部CT灌注成像参数图；
所述组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的离散时间间隔相同，所述组织密度时间曲线C(n)’和静脉输出函数VOF(n)’的起始时刻相同。
8.获取脑部CT灌注成像参数图的装置，其特征在于，包括：
前处理模块，获取CT灌注影像、对所述CT灌注影像进行前处理，获得前处理后的脑部CT灌注影像，包括组织密度变化曲线C(n)及全局动脉输入函数AIF(n)和静脉输出函数VOF(n)；
时间处理模块，读取CT灌注影像的采集时间信息，获得采集时刻数组T(n)，其中n为第n个时刻，T(n)为采集第n个影像时，影像采集设备的物理时刻，T(n)与组织密度变化曲线C(n)相对应；截取采集时刻数组T(n)，得到相对采集时刻数组t(n)；
离散处理模块，将组织密度变化曲线C(n)与相对采集时刻数组t(n)相结合，得到各像素点的组织密度时间函数图；对所述函数图进行拟合或插值后，按照相同的时间间隔重新离散，得到离散后的函数图，所述离散后的函数图为经过时间校正后的组织密度时间曲线。
9.获取脑部CT灌注成像参数图的系统，包括终端以及服务器，所述服务器包括计算机存储器、计算机处理器、以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述服务器从终端CT灌注影像；所述计算机处理器执行所述计算机程序时，实现如权利要求1～7任一项所述的获取脑部CT灌注成像参数图的方法。
10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1～7任一项所述的获取脑部CT灌注成像参数图的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110962392.XA CN113850755A (zh) | 2021-08-20 | 2021-08-20 | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 |
| US17/891,864 US20230054153A1 (en) | 2021-08-20 | 2022-08-19 | Method for obtaining brain perfusion parameter maps through computed tomography perfusion imaging and its system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110962392.XA CN113850755A (zh) | 2021-08-20 | 2021-08-20 | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113850755A true CN113850755A (zh) | 2021-12-28 |
Family
ID=78975787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110962392.XA Pending CN113850755A (zh) | 2021-08-20 | 2021-08-20 | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20230054153A1 (zh) |
| CN (1) | CN113850755A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114511670A (zh) * | 2021-12-31 | 2022-05-17 | 深圳市铱硙医疗科技有限公司 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
| WO2023124661A1 (zh) * | 2021-12-31 | 2023-07-06 | 杭州德诺脑神经医疗科技有限公司 | 基于ct灌注成像的数据处理方法、装置、介质及电子设备 |
| CN116798612A (zh) * | 2023-08-23 | 2023-09-22 | 北京超数时代科技有限公司 | 一种用于神经类疾病的数字诊疗系统 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116342734B (zh) * | 2023-05-22 | 2023-08-29 | 杭州脉流科技有限公司 | 基于ct灌注影像的运动校正和伪影筛选方法及计算机设备 |
| CN116309922B (zh) * | 2023-05-22 | 2023-08-11 | 杭州脉流科技有限公司 | Ct灌注影像的去伪影方法、装置、设备和存储介质 |
| CN116342605B (zh) * | 2023-05-30 | 2023-08-11 | 杭州脉流科技有限公司 | Ct灌注影像参数估计方法、装置、设备和存储介质 |
-
2021
- 2021-08-20 CN CN202110962392.XA patent/CN113850755A/zh active Pending
-
2022
- 2022-08-19 US US17/891,864 patent/US20230054153A1/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114511670A (zh) * | 2021-12-31 | 2022-05-17 | 深圳市铱硙医疗科技有限公司 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
| CN114511670B (zh) * | 2021-12-31 | 2022-08-30 | 深圳市铱硙医疗科技有限公司 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
| WO2023124661A1 (zh) * | 2021-12-31 | 2023-07-06 | 杭州德诺脑神经医疗科技有限公司 | 基于ct灌注成像的数据处理方法、装置、介质及电子设备 |
| CN116798612A (zh) * | 2023-08-23 | 2023-09-22 | 北京超数时代科技有限公司 | 一种用于神经类疾病的数字诊疗系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230054153A1 (en) | 2023-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113850755A (zh) | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 | |
| CN111179231B (zh) | 图像处理方法、装置、设备和存储介质 | |
| CN111179372B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
| CN111223066B (zh) | 运动伪影校正方法、装置、计算机设备和可读存储介质 | |
| CN112053413B (zh) | 脑部ct灌注成像的参数图获取方法、装置、计算机设备和存储介质 | |
| CN112365413B (zh) | 图像处理方法、装置、设备、系统及计算机可读存储介质 | |
| CN112435212A (zh) | 基于深度学习的脑部病灶区域体积得到方法、装置、计算机设备和存储介质 | |
| CN110084868B (zh) | 图像校正方法、装置、计算机设备和可读存储介质 | |
| CN114511670B (zh) | 基于动态灌注影像的血管重建方法、装置、设备和介质 | |
| CN113870117A (zh) | 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质 | |
| CN110473226B (zh) | 图像处理网络的训练方法、计算机设备及可读存储介质 | |
| CN109199422A (zh) | Ct预览图像重建优化方法、装置、计算机设备和存储介质 | |
| US20170301083A1 (en) | Image registration device, method, and program | |
| CN113096115A (zh) | 冠状动脉斑块状态评估方法、装置、电子设备 | |
| CN116205917B (zh) | 获取冠脉血流储备的方法、装置、计算机设备和存储介质 | |
| CN110610527B (zh) | 计算suv的方法、装置、设备、系统及计算机存储介质 | |
| CN110189386B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
| CN111091504A (zh) | 图像偏差场矫正方法、计算机设备和存储介质 | |
| CN113112507B (zh) | 灌注影像分析方法、系统、电子设备及存储介质 | |
| CN116091444A (zh) | 侧枝评价方法及装置、存储介质、终端 | |
| CN116206162B (zh) | 基于造影影像的冠脉血流储备获取方法、装置及设备 | |
| CN112641458A (zh) | 医学图像处理方法、装置、图像处理设备及介质 | |
| CN109480886B (zh) | 骨损伤检测方法、装置、计算机设备和存储介质 | |
| CN116030071A (zh) | 血管关键点位置确定方法、装置、计算机设备和存储介质 | |
| Tsai et al. | An adaptive enhancement algorithm for CT brain images |
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 |