一种基于颅脑影像数据的目标区域的提取方法及系统技术方案

本说明书实施例公开了一种基于颅脑影像数据的目标区域的提取方法及系统，通过基于颅脑影像数据的提取方法，解决了现有技术存在的计算繁琐、耗时久等问题。该方法包括：获取待处理的颅脑灌注影像数据；将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。本说明书实施例提供的提取方法及系统，能够实现自动化，直接在颅脑灌注图像上显示目标区域，简化计算流程，缩短耗时，实现简单快捷的进行核心梗死区和/或低灌注区的评估。

A method and system of target region extraction based on brain image data

【技术实现步骤摘要】
一种基于颅脑影像数据的目标区域的提取方法及系统
本说明书涉及医学影像和计算机
，尤其涉及一种基于颅脑影像数据的目标区域的提取方法及系统。
技术介绍
随着计算机技术的发展，医学影像学在临床上的应用越来越广泛。医学影像学对疾病的诊断提供了很大的科学和直观的依据，可以更好的配合临床的症状、化验等方面，为最终准确诊断病情起到不可替代的作用；同时医学影像学也可应用在治疗方面。医学影像学技术在脑组织学中的重要应用是筛选血管内介入治疗的适应症，首要是利用核心梗死区的范围来评估血管内介入治疗的风险，其次是通过缺血半暗带的范围来预测患者的获益，其中，缺血半暗带为低灌注区内核心梗死外的区域。现有技术，根据颅脑灌注影像的特征图进行核心梗死区和/或低灌注区的判断，需要观察者的参与进行判断。如，根据一侧区域的脑血流量(Cerebralbloodflow,CBF)除以对侧区域的比值进行梗死判断；根据一侧区域的达峰时间(timetopeak,TTP)与对侧区域的达峰时间的差值进行低灌注区判断。这种“人工判断方法”往往依赖观察者的经验，存在主观差异，且耗时长，可操作性差。因此，需要一种新的方法，能够排除或减少人为因素的参与，简化计算流程，缩短耗时，实现简单快捷的进行核心梗死区和/或低灌注区的评估。
技术实现思路
本说明书实施例提供一种基于颅脑影像数据的目标区域的提取方法及系统，用于解决以下技术问题：能够排除或减少人为因素的参与，简化计算流程，缩短耗时，实现简单快捷的进行核心梗死区和/或低灌注区的评估。>本说明书实施例提供一种基于颅脑影像数据的目标区域的提取方法，包括以下步骤：获取待处理的颅脑灌注影像数据，其中，所述灌注影像数据为一帧或多帧颅脑灌注影像数据；将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。优选地，所述将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像，之前还包括：对所述待处理的颅脑灌注影像数据进行预处理，所述预处理具体包括：对所述待处理的颅脑灌注影像数据进行图像裁剪和/或图像缩放和/或像素间距调整和/或序列时间间隔调整。优选地，所述通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，之前还包括：对所述分割结果图像进行降噪处理。优选地，所述待处理的颅脑灌注影像数据为基于颅脑灌注影像数据序列形成的矩阵。优选地，所述分割模型是基于神经网络方法预先获得的模型，具体包括：将人工标记的颅脑灌注影像数据输入神经网络模型，根据颅脑灌注影像数据的人工标记区域的特征进行训练，得到分割模型，其中，所述神经网络模型包括卷积神经网络模型，所述人工标记区域包括背景和/或核心梗死区和/或低灌注区，所述颅脑灌注影像数据的特征包括左右脑的对称结构和/或左右脑的灰度变化。本说明书实施例提供的一种基于颅脑影像数据的目标区域的提取系统，包括：数据预处理模块，获取待处理的颅脑灌注影像数据，其中，所述灌注影像数据为一帧或多帧颅脑灌注影像数据；分割模块，将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；数据后处理模块，通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。优选地，所述将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像，之前还包括：对所述待处理的颅脑灌注影像数据进行预处理，所述预处理具体包括：对所述待处理的颅脑灌注影像数据进行图像裁剪和/或图像缩放和/或像素间距调整和/或序列时间间隔调整。优选地，所述通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，之前还包括：对所述分割结果图像进行降噪处理。优选地，所述待处理的颅脑灌注影像数据为基于颅脑灌注影像数据序列形成的矩阵。优选地，所述分割模型是基于神经网络方法预先获得的模型，具体包括：将人工标记的颅脑灌注影像数据输入神经网络模型，根据颅脑灌注影像数据的人工标记区域的特征进行训练，得到分割模型，其中，所述神经网络模型包括卷积神经网络模型，所述人工标记区域包括背景和/或核心梗死区和/或低灌注区，所述颅脑灌注影像数据的特征包括左右脑的对称结构和/或左右脑的灰度变化。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本说明书实施例将待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；进一步通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区，能够实现自动化，直接在颅脑灌注图像上显示目标区域，简化计算流程，缩短耗时，实现简单快捷的进行核心梗死区和/或低灌注区的评估。附图说明为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书实施例提供的一种基于颅脑影像数据的目标区域的提取方法的流程示意图；图2为本说明书实施例提供的一种基于颅脑影像数据的目标区域的提取方法的流程示意图；图3为本说明书实施例提供的一种基于颅脑影像数据的目标区域的提取系统的示意图。具体实施方式为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。利用CTP(CTperfusion,CT灌注成像)和MRP(MRperfusion,磁共振灌注成像)进行的灌注成像已经成为检查脑卒中患者脑血流灌注情况的常规手段。脑灌注成像是对选定感兴趣层进行连续动态扫描，获得所选层面的每一像素的时间密度曲线，并通过数学模型处理得到：脑血容量(Cerebralbloodvolume,CBV)、脑血流量、平均通过时间(meantransittime,MTT)、达峰时间等血流动力学参数和灌注图像表现，评价脑组织的灌注状态，是一种功能成像。灌注成像在实际应用中，主要用于核心梗死区及低灌注区的评价，以筛选血管介入治疗的适应症，因此，如何快速获得待处理颅脑灌注影像数据的核心梗死区和/或低本文档来自技高网...

【技术保护点】
1.一种基于颅脑影像数据的目标区域的提取方法，其特征在于，包括：/n获取待处理的颅脑灌注影像数据，其中，所述灌注影像数据为一帧或多帧颅脑灌注影像数据；/n将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；/n通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。/n

【技术特征摘要】
1.一种基于颅脑影像数据的目标区域的提取方法，其特征在于，包括：
获取待处理的颅脑灌注影像数据，其中，所述灌注影像数据为一帧或多帧颅脑灌注影像数据；
将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像；
通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，其中，所述目标区域包括核心梗死区和/或低灌注区。


2.如权利要求1所述的方法，其特征在于，所述将所述待处理的颅脑灌注影像数据输入分割模型，获得所述待处理的颅脑灌注影像数据的分割结果图像，之前还包括：对所述待处理的颅脑灌注影像数据进行预处理，所述预处理具体包括：
对所述待处理的颅脑灌注影像数据进行图像裁剪和/或图像缩放和/或像素间距调整和/或序列时间间隔调整。


3.如权利要求1所述的方法，其特征在于，所述通过连通域的方法对所述分割结果图像进行分析，获得所述待处理的颅脑灌注影像数据的目标区域，之前还包括：对所述分割结果图像进行降噪处理。


4.如权利要求1所述的方法，其特征在于，所述待处理的颅脑灌注影像数据为基于颅脑灌注影像数据序列形成的矩阵。


5.如权利要求1所述的方法，其特征在于，所述分割模型是基于神经网络方法预先获得的模型，具体包括：
将人工标记的颅脑灌注影像数据输入神经网络模型，根据颅脑灌注影像数据的人工标注区域的特征进行训练，得到分割模型，其中，所述神经网络模型包括卷积神经网络模型，所述人工标记区域包括背景和/或核心梗死区和/或低灌注区，所述颅脑灌注影像数据的特征包括左右脑的对称结构和/或左右脑的灰度变化。


6.一种基...

【专利技术属性】
技术研发人员：杨鹏飞，金海岚，刘建民，印胤，洪波，杨光明，张永巍，秦岚，张磊，张洪剑，张永鑫，
申请(专利权)人：强联智创北京科技有限公司，
类型：发明
国别省市：北京;11