CN116012391A - 基于脑ct灌注影像分割脑实质及脑脊液区域的方法 - Google Patents
基于脑ct灌注影像分割脑实质及脑脊液区域的方法 Download PDFInfo
- Publication number
- CN116012391A CN116012391A CN202211621766.2A CN202211621766A CN116012391A CN 116012391 A CN116012391 A CN 116012391A CN 202211621766 A CN202211621766 A CN 202211621766A CN 116012391 A CN116012391 A CN 116012391A
- Authority
- CN
- China
- Prior art keywords
- cerebrospinal fluid
- perfusion
- image
- segmentation
- perfusion 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种基于脑CT灌注影像分割脑实质及脑脊液区域的方法，包括：读取CT灌注影像，并对所述CT灌注影像进行空间分层及前处理，得到去除颅骨后包含脑实质和脑脊液的灌注影像；利用所述去除颅骨后包含脑实质和脑脊液的灌注影像，确定包含脑脊液区域的CT灌注影像的空间范围，在所述包含脑脊液区域的CT灌注影像空间范围内，对包含脑实质和脑脊液的灌注影像提取特征影像，并对该特征影像进行第一次分割以及筛选、第二次分割，得到脑脊液分割区域；提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果；在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
Description
技术领域
本申请涉及医学影像处理技术领域，特别是涉及一种基于脑CT灌注影像分割脑实质及脑脊液区域的方法。
背景技术
脑动脉的急性或慢性闭塞会使部分脑组织得不到充足的血液供应而梗死,从而形成缺血型卒中，急性缺血性脑卒中(脑梗死)具有极高的致残率和较高的致死率。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，能够准确反映脑血流灌注情况，是当前检查急性缺血性脑卒中的重要影像学方法。通过对脑CT灌注影像进行处理，可以得到灌注参数图，并根据灌注参数图识别梗死核心及缺血半暗带等。
识别梗死核心及缺血半暗带的位置及体积，对于急性脑卒中患者的治疗具有重要意义。但急性缺血性脑卒中患者的梗死核心区域及缺血半暗带区域通常会与脑脊液区域相连，而脑脊液在CT灌注影像中的表现与缺血区域接近，在灌注参数图上，脑脊液区域的灌注参数也与缺血区域的灌注参数接近，因此脑脊液区域容易与梗死核心区域或缺血半暗带区域在三维空间上有粘连，影响梗死核心及缺血半暗带体积的计算。因此需要对CT灌注影像进行脑实质和脑脊液区域分割，从而将梗死核心和缺血半暗带区域限制在脑实质区域内，排除脑脊液区域的影响，以达到准确识别CT灌注影像内梗死核心和缺血半暗带的实际体积的目的。
发明内容
基于此，有必要针对上述技术问题，提供一种基于脑CT灌注影像分割脑实质及脑脊液区域的方法。
本申请基于脑CT灌注影像分割脑实质及脑脊液区域的方法，包括：
读取CT灌注影像，并对所述CT灌注影像进行空间分层及前处理，得到去除颅骨后包含脑实质和脑脊液的灌注影像；
利用所述去除颅骨后包含脑实质和脑脊液的灌注影像，确定包含脑脊液区域的CT灌注影像的空间范围，包括：
确定包含脑脊液区域的最优CT灌注影像所在空间位置；
确定CT灌注影像的颅顶方向及颅底方向；
由该包含脑脊液区域的最优CT灌注影像所在空间位置，向颅顶及颅底方向分别查找第一空间距离及第二空间距离，空间位置在此距离范围内的灌注影像被认定为包含脑脊液区域的CT灌注影像；
在所述包含脑脊液区域的CT灌注影像空间范围内，对包含脑实质和脑脊液的灌注影像提取特征影像，并对该特征影像进行第一次分割以及筛选、第二次分割，得到脑脊液分割区域；
提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果；在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
可选的，所述CT灌注影像进行空间分层包括：按照灌注影像扫描空间位置对其进行分层处理；所述前处理包括对分层后的每层CT灌注影像进行空间配准、时间校正及滤波降噪处理，并进行分割去除颅骨操作得到包含脑实质和脑脊液的灌注影像。
可选的，所述包含脑脊液区域的CT灌注影像所在空间位置，由去除颅骨后包含脑实质和脑脊液的灌注影像的最大连通域面积所确定。
可选的，所述CT灌注影像方向，由各层所述去除颅骨后包含脑实质和脑脊液的灌注影像面积与其经过处理后的凸包图像面积的比值得到。
其中，对包含脑实质和脑脊液的灌注影像进行的处理包括：腐蚀，提取最大连通域等。
可选的，所述由面积比值确定颅顶、颅底方向的方法如下：
获取空间坐标位于所述包含脑脊液区域的最优CT灌注影像下方的所有灌注影像的面积比值的均值，得到第一面积比值；
获取空间坐标位于所述包含脑脊液区域的最优CT灌注影像上方的所有灌注影像的面积比值的均值，得到第二面积比值；
若第一面积比值大于第二面积比值，则所述包含脑脊液区域的最优CT灌注影像的空间位置向下为颅顶方向，所述包含脑脊液区域的最优CT灌注影像的空间位置向上为颅底方向；
若第一面积比值小于第二面积比值，则所述包含脑脊液区域的最优CT灌注影像的空间位置向下为颅底方向，所述包含脑脊液区域的最优CT灌注影像的空间位置向上为颅顶方向。
可选的，所述CT灌注影像的特征图像为以下几种的其中一种：
最大CT值图像、最小CT值图像、平均CT值图像、最大CT值图像与最小CT值图像的差值图像。
可选的，所述对特征影像进行第一次分割和第二次分割，获得侧脑室分割结果的方法，包括：
利用每一个空间位置灌注影像的自适应阈值对该空间位置的所述特征图像进行第一次分割，得到每个空间位置处的脑脊液区域的第一次分割结果；
根据所述每个空间位置的所述第一次分割结果与本空间位置处包含脑实质和脑脊液的灌注影像的质心之间的位置关系，对所述每个空间位置的所述第一次分割结果进行筛选和第二次分割，获得该空间位置处的脑脊液区域的第二次分割结果。
可选的，获取所述每一个空间位置灌注影像的自适应阈值的方法如下：
对所述该空间位置的特征图像，获取其各像素点灰度值的平均值Imean及标准差Istd；
将该空间位置处的特征图像在第一区间进行归一化处理，获得在第一区间梯度强化的图像，其中第一区间为[0，Imean-Istd]；
统计该空间位置处梯度强化的图像中各像素点的灰度值，得到梯度强化图像的灰度直方图，查找灰度直方图中位于两个峰值之间的波谷位置处的灰度值，将该灰度值定义为该空间位置处梯度强化图像的自适应分割阈值。
可选的，所述对每个空间位置的第一次分割结果进行筛选和第二次分割的方法如下：
对每个空间位置处的所述第一次分割结果提取连通域，得到当前空间位置处的所有分割连通域；
得到每个空间位置处的包含脑实质和脑脊液的灌注影像的质心位置；
根据该空间位置处的质心位置，获取平面内第一范围及第二范围；
对该空间位置处的所有分割连通域，获取其连通域质心位置及边界位置；
对所有分割连通域进行筛选：若某个连通域的质心位置超出平面内第一范围，则删除该连通域；
对所有质心位置满足条件的连通域，判断其边界位置，若边界位置超过平面内第二范围，则对该连通域重新获取自适应阈值并进行第二次分割；
循环执行上述步骤，直至满足预期，获得该空间位置处的脑脊液区域的第二次分割结果。
可选的，所述提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果的方法如下：
将所有空间位置处的脑脊液区域的第二次分割结果组合为三维模型；
对该三维模型取最大的N个连通域，删除其余部分；
将三维模型的最大N个连通域重新映射到每个空间位置处，得到该空间位置处的脑脊液区域分割结果；
将每个空间位置处的脑脊液区域分割结果，映射到该空间位置处的包含脑实质和脑脊液的灌注影像上；在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
本申请基于脑CT灌注影像分割脑实质及脑脊液区域的方法至少具有以下效果：
本申请读取脑CT灌注影像后，能够全自动地完成脑CT灌注影像的前处理工作，包括空间配准、时间校正、滤波降噪及颅骨去除。
本申请颅顶方向和颅底方向通过自动处理获得，提高了脑脊液区域及脑实质区域分割的效率。
本申请在去除颅骨后包含脑实质和脑脊液的灌注影像基础上，能够自动确定包含脑脊液区域的CT灌注影像的空间范围，以有效排除颅顶区域的脑沟回对分割结果的影响，提高了脑脊液区域及脑实质区域分割的准确性。
本申请的脑脊液区域第一次分割能够根据不同影像自动调整自适应阈值，提高了方法的适用性；本申请对脑脊液区域第一次分割结果进行筛选，能够有效排除不与脑脊液区域相连的低灌注区域、噪声等对分割结果的影响；本申请对脑脊液区域第一次分割结果进行第二次分割，能够有效排除与脑脊液区域相连的低灌注区域、噪声等对分割结果的影响。
附图说明
图1为本申请一实施例中脑CT灌注影像的全自动分割脑实质及脑脊液区域方法的流程示意图；
图2为本申请一实施例中对脑脊液区域第一次分割结果进行筛选和第二次分割方法的流程框图；
图3a为本申请一实施例中的特征图像；
图3b为本申请一实施例中其中某一空间位置处的脑脊液区域第一次分割结果；
图3c为本申请一实施例中其中某一空间位置处的脑脊液区域第二次分割结果；
图3d为本申请一实施例中其中某一空间位置处的脑脊液区域分割最终结果。
具体实施方式
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。
参见图1，基于脑CT灌注影像分割脑实质及脑脊液区域的方法，包括步骤S100～步骤S500。
步骤S100，读取CT灌注影像，并对所述CT灌注影像进行空间分层及前处理，得到去除颅骨后包含脑实质和脑脊液的灌注影像；
CT灌注影像包括不同时刻下不同空间位置处的CT灌注影像。
读取脑CT灌注影像序列，按照灌注影像扫描空间位置对其进行分层处理，每个层面(即每个空间位置处)包含所有不同时刻的灌注影像。
对每个空间位置处的CT灌注影像，根据影像中包含的扫描时间信息，对影像进行时间校正。
对每个空间位置处的CT灌注影像进行空间配准，将每个空间位置处不同扫描时间的影像配准到本空间位置的第一个时刻影像上，使本空间位置的每个体素点在所有时刻影像上的平面内空间位置重合。
对所有配准后的CT灌注影像进行滤波处理，以降低噪声，提高灌注影像的信噪比，提高本方法的分割准确性。
对每个空间位置的CT灌注影像进行分割去除颅骨操作，根据阈值法或其他分割方法将高CT值的颅骨去除，得到去除颅骨后包含脑实质和脑脊液的灌注影像。
步骤S200，利用去除颅骨后包含脑实质和脑脊液的灌注影像，确定包含脑脊液区域的CT灌注影像的空间范围，包括S210～S230，包括确定包含脑脊液区域的最优CT灌注影像所在空间位置、确定CT灌注影像的颅顶方向及颅底方向、确定包含脑脊液区域的CT灌注影像的空间范围。此步骤能够排除靠近颅顶空间位置处的CT灌注影像，使该影像中CT值较低的脑沟回不对脑脊液区域分割产生影响。
步骤S210，利用去除颅骨后包含脑实质和脑脊液的灌注影像，确定包含脑脊液区域的最优CT灌注影像所在空间位置，具体步骤包括：
(1)对第i个空间位置处的去除颅骨后包含脑实质和脑脊液的灌注影像Ii进行二值化，得到二值化图像Bi；
(2)对二值化图像Bi提取连通域，得到最大连通域Ci；
(3)计算连通域Ci的面积Ai；
(4)对所有空间位置处的包含脑实质和脑脊液的灌注影像进行上述处理，得到每一空间位置处的连通域面积；
(5)比较所有空间位置处的连通域面积，若第j个空间位置处的连通域面积最大，则第j个空间位置为包含脑脊液区域的最优CT灌注影像所在空间位置。
步骤S220，确定CT灌注影像的颅顶方向及颅底方向，具体步骤包括：
(1)对第i个空间位置处的去除颅骨后包含脑实质和脑脊液的灌注影像Ii进行二值化，得到二值化图像Bi；
(2)使用大小为5*5个体素点的腐蚀核对Bi图像进行腐蚀处理，得到腐蚀后的图像Ei；对图像Ei取最大连通域，得到最大连通域图像Ci；
(3)对第i个空间位置处的最大连通域图像Ci，获取其凸包图像Hi；
(4)对第i个空间位置处，计算最大连通域图像Ci的面积Ai及凸包图像Hi的面积A’i，并求出两个面积的比值ri＝Ai/A’i；
(5)对所有空间位置处的包含脑实质和脑脊液的灌注影像进行上述处理，得到每一层的最大连通域图像与其对应凸包图像的面积比值；
(6)获取空间坐标位于包含脑脊液区域的最优CT灌注影像空间位置下方的所有灌注影像的面积比值的均值，得到第一面积比值R1；获取空间坐标位于包含脑脊液区域的最优CT灌注影像空间位置上方的所有灌注影像的面积比值的均值，得到第二面积比值R2；
(7)判断颅顶、颅底方向：若R1>R2，则包含脑脊液区域的最优CT灌注影像的空间位置向下为颅顶方向，包含脑脊液区域的最优CT灌注影像的空间位置向上为颅底方向；若R1<R2，则包含脑脊液区域的最优CT灌注影像的空间位置向下为颅底方向，包含脑脊液区域的最优CT灌注影像的空间位置向上为颅顶方向。
步骤S230，由包含脑脊液区域的最优CT灌注影像所在空间位置向颅顶方向查找第一距离L1；由包含脑脊液区域的最优CT灌注影像所在空间位置向颅底方向查找第一距离L2；空间位置在此距离范围内的灌注影像被认定为包含脑脊液区域的CT灌注影像。第一距离和第二距离的取值可以通过人体生理学参数确定。实际上，包含脑脊液区域的影像在最优影像位置两侧的分布不均，也就是说，理想的第一距离和第二距离并不相同。第一距离L1通常可以取40～50mm，第二距离L2通常可以取20～40mm。本步骤通过自动获得颅顶方向和颅底方向，在获得包含脑脊液区域的影像时尽可能地排除不包含脑脊液区域的非目标影像，保证了样本的可靠性，能够显著提升后续流程的准确性。
步骤S300，包括：步骤S310，在包含脑脊液区域的CT灌注影像空间范围内，对包含脑实质和脑脊液的灌注影像提取特征影像；步骤S320，对特征影像进行第一次分割；步骤S330，对第一次分割结果进行筛选及第二次分割，得到脑脊液分割区域。
步骤S310中，特征图像为以下几种的其中一种：最大CT值图像Imax、最小CT值图像Imin、平均CT值图像Imean、最大CT值图像与最小CT值图像的差值图像Idiff＝(Imax-Imin)。
步骤S320，分别对在包含脑脊液区域的CT灌注影像空间范围内的每一空间位置的特征影像(例如图3a所示的最大CT值图像Imax)进行脑脊液区域第一次分割，具体步骤包括：
(1)对每一空间位置的特征图像，获取其各像素点灰度值的平均值Imean及标准差Istd；
(2)对该空间位置处的特征图像在第一区间进行归一化处理，获得在第一区间梯度强化的图像，其中第一区间为[0，Imean-Istd]；具体地，将每个层面的特征图像中CT值在0-(Imean-Istd)(第一区间)范围内的点归一化到0-255HU，对CT值高于(Imean-Istd)的点赋值为255HU，对于CT值低于0HU的点赋值为0HU，获得梯度强化图像。此操作能够放大脑脊液区域的CT值范围，增强脑脊液区域与周围脑实质区域的对比度。
(3)统计该空间位置处梯度强化的图像中各像素点的灰度值，得到梯度强化图像的灰度直方图，查找灰度直方图中位于两个峰值之间的波谷位置处的灰度值，将该灰度值定义为该空间位置处梯度强化图像的自适应分割阈值。
(4)对该空间位置，使用对应的自适应分割阈值对该空间位置处的梯度强化图像进行分割，将像素值大于0且低于该阈值的体素点定义为前景点，赋值为255；将其他点定义为背景点，赋值为0；得到该空间位置处特征图像的脑脊液区域第一次分割二值图；
(5)对在包含脑脊液区域的CT灌注影像空间范围内的每一空间位置的特征影像分别进行步骤(1)～(4)，得到每一空间位置处的脑脊液区域第一次分割二值图，如图3b所示。
S330，对每个空间位置的第一次分割结果进行筛选和第二次分割，得到脑脊液区域第二次分割结果，如图2所示，具体步骤包括：
(1)对每个空间位置处的第一次分割结果提取连通域，得到当前空间位置处的所有分割连通域；
(2)得到每个空间位置处的包含脑实质和脑脊液的灌注影像的质心位置M0(x0,y0)，通过下式获得。
式中，i，j为本空间位置的灌注影像上所有点在x，y方向的坐标；m，n为本空间位置的灌注影像上x，y方向的点数；Iij为本空间位置的脑脊液区域第一次分割结果图像中坐标为(i,j)的点的灰度值。
(3)根据该空间位置处的质心位置，获取平面内第一范围及第二范围；
第一范围通过下式限定：
x0-α·(x0-xL)＜x＜x0+α·(xR-x0)
y0-α·(y0-yU)＜y＜y0+α·(yB-y0)
其中x，y为二维连通域的质心位置，α为给定系数，例如α取0.4～0.6，xL为去除颅骨后的脑实质和脑脊液区域的左边界，xR为去除颅骨后的脑实质和脑脊液区域的右边界，yU为去除颅骨后的脑实质和脑脊液区域的上边界，yB为去除颅骨后的脑实质和脑脊液区域的下边界。
第二预期位置的范围通过下式限定：
x0-β·(x0-xL)＜x＜x0+β·(xR-x0)
y0-β·(y0-yU)＜y＜y0+β·(yB-y0)
式中x，y为二维连通域的边界位置，β为给定系数，例如取0.6～0.8。
(4)对该空间位置处的所有分割连通域，获取其连通域质心位置Mi及边界位置；
(5)对所有分割连通域进行筛选，若某个连通域的质心位置Mi超出平面内第一范围，则删除该连通域；鉴于不与脑脊液区域相连的噪声区域或低灌注区域的质心不在上述第一范围内，通过此步骤可以排除不与脑脊液区域相连的噪声区域或低灌注区域。
(6)对所有质心位置Mi满足条件的连通域，判断其边界位置，若边界位置超过平面内第二范围，则对该连通域重新获取自适应阈值并进行第二次分割；可以理解，若超出第二范围，则存在与脑脊液区域相连的噪声区域或低灌注区域，通过此步骤可将其与脑脊液区域进行分离。
(7)循环执行上述步骤，直至满足预期，获得该空间位置处的脑脊液区域的第二次分割结果，如图3c所示。
若二维连通域的边界超出该第二范围，则采用自适应阈值方法对该二维连通域再次进行分割，分割后再次执行步骤(4)～(6)。直到既符合二维连通域的质心位置处于第一位置，又满足二维连通域的边界处于第二位置(直至满足预期)。将满足上述条件的连通域合并，得到该空间位置处的脑脊液区域第二次分割结果。
S400，提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果，具体包括：
(1)将所有空间位置处的脑脊液区域的第二次分割结果组合为三维模型；
(2)对该三维模型取最大连通域，删除其余部分；
(3)将三维模型的最大连通域重新映射到每个空间位置处，得到该空间位置处的脑脊液区域分割结果，如图3d所示。
本步骤中，将包含脑脊液区域的所有空间位置处的脑脊液区域第二次分割结果映射到三维模型中，并对该三维模型提取最大连通域，得到整个脑脊液区域的三维模型。将该三维模型分别映射到每个空间位置处，得到每个空间位置处最终的脑脊液区域分割结果。本步骤能够根据分割结果的空间连通情况确定最终的脑脊液区域，即将最大连通域作为最终的脑脊液区域。本步骤使分割得到的脑脊液区域在空间上具有更好的连续性，更符合脑脊液区域的解剖特征。
步骤S500，在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
本申请各实施例中提出的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，能够读取脑CT灌注影像并进行前处理、全自动地完成脑CT灌注影像的脑脊液区域分割及脑实质分割。该方法能够自动确定包含脑脊液区域的CT灌注影像的空间范围，以便在后续的识别梗死核心及低灌注区过程中准确的排除脑脊液区域的影响，帮助医生对急性脑卒中患者进行更好的诊断，为临床治疗提供更多信息。
应该理解的是，虽然图1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。
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.基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，包括：
读取CT灌注影像，并对所述CT灌注影像进行空间分层及前处理，得到去除颅骨后包含脑实质和脑脊液的灌注影像；
利用所述去除颅骨后包含脑实质和脑脊液的灌注影像，确定包含脑脊液区域的CT灌注影像的空间范围，包括：
确定包含脑脊液区域的最优CT灌注影像所在空间位置；
确定CT灌注影像的颅顶方向及颅底方向；
由该包含脑脊液区域的最优CT灌注影像所在空间位置，向颅顶及颅底方向分别查找第一空间距离及第二空间距离，空间位置在此距离范围内的灌注影像被认定为包含脑脊液区域的CT灌注影像；
在所述包含脑脊液区域的CT灌注影像空间范围内，对包含脑实质和脑脊液的灌注影像提取特征影像，并对该特征影像进行第一次分割以及筛选、第二次分割，得到脑脊液分割区域；
提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果；在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
2.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述CT灌注影像进行空间分层包括：按照灌注影像扫描空间位置对其进行分层处理；所述前处理包括对分层后的每层CT灌注影像进行空间配准、时间校正及滤波降噪处理，并进行分割去除颅骨操作得到包含脑实质和脑脊液的灌注影像。
3.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述包含脑脊液区域的最优CT灌注影像所在空间位置，由去除颅骨后包含脑实质和脑脊液的灌注影像的最大连通域面积所确定。
4.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述CT灌注影像方向，由各层所述去除颅骨后包含脑实质和脑脊液的灌注影像面积与其经过处理后的凸包图像面积的比值得到。
其中，对包含脑实质和脑脊液的灌注影像进行的处理包括：腐蚀，提取最大连通域等。
5.根据权利要求4所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述由面积比值确定颅顶、颅底方向的方法如下：
获取空间坐标位于所述包含脑脊液区域的最优CT灌注影像下方的所有灌注影像的面积比值的均值，得到第一面积比值；
获取空间坐标位于所述包含脑脊液区域的最优CT灌注影像上方的所有灌注影像的面积比值的均值，得到第二面积比值；
若第一面积比值大于第二面积比值，则所述包含脑脊液区域的最优CT灌注影像的空间位置向下为颅顶方向，所述包含脑脊液区域的最优CT灌注影像的空间位置向上为颅底方向；
若第一面积比值小于第二面积比值，则所述包含脑脊液区域的最优CT灌注影像的空间位置向下为颅底方向，所述包含脑脊液区域的最优CT灌注影像的空间位置向上为颅顶方向。
6.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述CT灌注影像的特征图像为以下几种的其中一种：
最大CT值图像、最小CT值图像、平均CT值图像、最大CT值图像与最小CT值图像的差值图像。
7.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述对特征影像进行第一次分割和第二次分割，获得侧脑室分割结果的方法，包括：
利用每一个空间位置灌注影像的自适应阈值对该空间位置的所述特征图像进行第一次分割，得到每个空间位置处的脑脊液区域的第一次分割结果；
根据所述每个空间位置的所述第一次分割结果与本空间位置处包含脑实质和脑脊液的灌注影像的质心之间的位置关系，对所述每个空间位置的所述第一次分割结果进行筛选和第二次分割，获得该空间位置处的脑脊液区域的第二次分割结果。
8.根据权利要求7所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，获取所述每一个空间位置灌注影像的自适应阈值的方法如下：
对所述该空间位置的特征图像，获取其各像素点灰度值的平均值Imean及标准差Istd；
将该空间位置处的特征图像在第一区间进行归一化处理，获得在第一区间梯度强化的图像，其中第一区间为[0，Imean-Istd]；
统计该空间位置处梯度强化的图像中各像素点的灰度值，得到梯度强化图像的灰度直方图，查找灰度直方图中位于两个峰值之间的波谷位置处的灰度值，将该灰度值定义为该空间位置处梯度强化图像的自适应分割阈值。
9.根据权利要求7所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述对每个空间位置的第一次分割结果进行筛选和第二次分割的方法如下：
对每个空间位置处的所述第一次分割结果提取连通域，得到当前空间位置处的所有分割连通域；
得到每个空间位置处的包含脑实质和脑脊液的灌注影像的质心位置；
根据该空间位置处的质心位置，获取平面内第一范围及第二范围；
对该空间位置处的所有分割连通域，获取其连通域质心位置及边界位置；
对所有分割连通域进行筛选：若某个连通域的质心位置超出平面内第一范围，则删除该连通域；
对所有质心位置满足条件的连通域，判断其边界位置，若边界位置超过平面内第二范围，则对该连通域重新获取自适应阈值并进行第二次分割；
循环执行上述步骤，直至满足预期，获得该空间位置处的脑脊液区域的第二次分割结果。
10.根据权利要求1所述的基于脑CT灌注影像分割脑实质及脑脊液区域的方法，其特征在于，所述提取脑脊液分割区域进行进一步处理，得到最终的脑脊液区域分割结果的方法如下：
将所有空间位置处的脑脊液区域的第二次分割结果组合为三维模型；
对该三维模型取最大的N个连通域，删除其余部分；
将三维模型的最大N个连通域重新映射到每个空间位置处，得到该空间位置处的脑脊液区域分割结果；
将每个空间位置处的脑脊液区域分割结果，映射到该空间位置处的包含脑实质和脑脊液的灌注影像上；在去除颅骨后的灌注影像中去除脑脊液区域，得到脑实质区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211621766.2A CN116012391A (zh) | 2022-12-16 | 2022-12-16 | 基于脑ct灌注影像分割脑实质及脑脊液区域的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211621766.2A CN116012391A (zh) | 2022-12-16 | 2022-12-16 | 基于脑ct灌注影像分割脑实质及脑脊液区域的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116012391A true CN116012391A (zh) | 2023-04-25 |
Family
ID=86024061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211621766.2A Pending CN116012391A (zh) | 2022-12-16 | 2022-12-16 | 基于脑ct灌注影像分割脑实质及脑脊液区域的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116012391A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455925A (zh) * | 2023-12-26 | 2024-01-26 | 杭州健培科技有限公司 | 一种胸部多器官和肋骨分割方法及装置 |
-
2022
- 2022-12-16 CN CN202211621766.2A patent/CN116012391A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455925A (zh) * | 2023-12-26 | 2024-01-26 | 杭州健培科技有限公司 | 一种胸部多器官和肋骨分割方法及装置 |
| CN117455925B (zh) * | 2023-12-26 | 2024-05-17 | 杭州健培科技有限公司 | 一种胸部多器官和肋骨分割方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6034299B2 (ja) | 半影帯サイズを推定するためのシステムおよびその作動方法 | |
| CN110678903B (zh) | 用于3d图像中异位骨化的分析的***和方法 | |
| CN109410221B (zh) | 脑灌注图像分割方法、装置、服务器和存储介质 | |
| US20030068074A1 (en) | Computer system and a method for segmentation of a digital image | |
| US9324167B2 (en) | Apparatus and method for generating an attenuation correction map | |
| EP2620909B1 (en) | Method, system and computer readable medium for automatic segmentation of a medical image | |
| US7394933B2 (en) | Region competition via local watershed operators | |
| CN112132837B (zh) | 一种胸部骨骼自动提取方法、***、电子设备及存储介质 | |
| CN107169975B (zh) | 超声图像的分析方法及装置 | |
| CN116012391A (zh) | 基于脑ct灌注影像分割脑实质及脑脊液区域的方法 | |
| CN113936011A (zh) | 基于注意力机制的ct影像肺叶图像分割*** | |
| CN115880261A (zh) | 脑ct灌注影像的全自动后处理方法 | |
| CN110648338A (zh) | 图像分割方法、可读存储介质及图像处理装置 | |
| CN114170244A (zh) | 一种基于级联神经网络结构的脑胶质瘤分割方法 | |
| Kaftan et al. | Fuzzy pulmonary vessel segmentation in contrast enhanced CT data | |
| CN113160245A (zh) | 基于分块区域生长法的ct脑实质分割***、方法及装置 | |
| CN109886973A (zh) | 一种血管提取方法、装置及计算机可读存储介质 | |
| CN110710986B (zh) | 一种基于ct图像的脑部动静脉畸形检测方法及检测*** | |
| CN115937196A (zh) | 一种医学图像分析***、分析方法和计算机可读存储介质 | |
| CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
| CN116664594A (zh) | 基于共享cnn的三维医学图像两阶段分割方法及装置 | |
| CN115841472A (zh) | 大脑中动脉高密度征识别方法、装置、设备及存储介质 | |
| CN113034510A (zh) | 一种基于ctp图像的梗死假阳滤除方法 | |
| Hentschke et al. | Detection of cerebral aneurysms in MRA, CTA and 3D-RA data sets | |
| CN116030041B (zh) | 一种颈总动脉超声波横切图像血管壁分割方法 |
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 |