CN116071250A - 一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 - Google Patents
一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 Download PDFInfo
- Publication number
- CN116071250A CN116071250A CN202211467587.8A CN202211467587A CN116071250A CN 116071250 A CN116071250 A CN 116071250A CN 202211467587 A CN202211467587 A CN 202211467587A CN 116071250 A CN116071250 A CN 116071250A
- Authority
- CN
- China
- Prior art keywords
- image
- asl
- module
- cbf
- central control
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 70
- 230000002490 cerebral effect Effects 0.000 title claims abstract description 36
- 206010060965 Arterial stenosis Diseases 0.000 title claims abstract description 24
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 34
- 238000012805 post-processing Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 4
- 210000001627 cerebral artery Anatomy 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000017531 blood circulation Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000010412 perfusion Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 210000001367 artery Anatomy 0.000 claims 1
- 210000004556 brain Anatomy 0.000 claims 1
- 230000002966 stenotic effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003727 cerebral blood flow Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明属于医学图像处理技术领域，公开了一种脑动脉狭窄闭塞的ASL图像处理***、设备及终端，脑动脉狭窄闭塞的ASL图像处理***包括：扫描参数获取模块、图像采集模块、中央控制模块、数据后处理模块、图像预处理模块、CBF图像生成模块、CBF图像处理模块、血管区域划分模块、血管分割模块、三维重建模块、参数计算模块、数据分析模块以及显示模块。本发明通过对靠前的扫描数据进行删除，排除了机器刚开始运行不稳定导致的数据误差；同时对于扫描数据进行了校正以及配准，能够避免因过程中用户移动导致的伪影产生，提高了图像的可靠度以及数据分析的准确度。
Description
技术领域
本发明属于医学图像处理技术领域，尤其涉及一种脑动脉狭窄闭塞的ASL图像处理***、设备及终端。
背景技术
目前，动脉自旋标记技术(arterial spin labeling,ASL)是一项无创的检测脑灌注的磁共振成像技术，它根据示踪剂从血管内向组织间隙自由扩散的理论假设，利用磁性标记的动脉血内水质子流入成像层面和组织交换产生的信号降低进行成像，对标记前后的成像进行减影分析，从而得到脑血流量(cerebral blood flow,CBF)的定性、定量图。
现有的ASL图像处理技术处理的图像不清晰、存在伪影，导致ASL图像处理得到的结果不准确；且现有技术不能基于ASL图像清晰、完整、准确的进行脑动脉的三维重建。
通过上述分析，现有技术存在的问题及缺陷为：现有的ASL图像处理技术处理的图像不清晰、存在伪影，导致ASL图像处理得到的结果不准确；且现有技术不能基于ASL图像清晰、完整、准确的进行脑动脉的三维重建。
发明内容
针对现有技术存在的问题，本发明提供了一种脑动脉狭窄闭塞的ASL图像处理***、设备及终端。
本发明是这样实现的，一种脑动脉狭窄闭塞的ASL图像处理***，所述脑动脉狭窄闭塞的ASL图像处理***包括：
图像预处理模块，与中央控制模块连接，用于对得到的ASL图像进行预处理，得到预处理后的ASL图像；
CBF图像生成模块，与中央控制模块连接，用于基于预处理后的ASL图像生成CBF图像；
CBF图像处理模块，与中央控制模块连接，用于对生成的CBF图像进行空间标准化以及平滑处理，得到处理后的CBF图像；
血管区域划分模块，与中央控制模块连接，用于基于处理后的CBF图像确定血管的区域范围；
血管分割模块，与中央控制模块连接，用于基于确定的血管的区域范围进行血管的精准分割；
三维重建模块，与中央控制模块连接，用于基于血管的分割结果结合处理后的CBF图像进行脑动脉血管的三维重建；
参数计算模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果结合CBF图像计算脑动脉相关参数；
数据分析模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果、CBF图像、脑动脉相关参数进行脑动脉狭窄闭塞分析。
进一步，所述脑动脉狭窄闭塞的ASL图像处理***还包括：
扫描参数获取模块，与中央控制模块连接，用于确定脑动脉的ASL扫描参数；
图像采集模块，与中央控制模块连接，用于获取基于所述ASL扫描参数的ASL扫描数据；
中央控制模块，与扫描参数获取模块、图像采集模块、数据后处理模块、图像预处理模块、CBF图像生成模块、CBF图像处理模块、血管区域划分模块、血管分割模块、三维重建模块、参数计算模块、数据分析模块以及显示模块连接，用于利用单片机或控制器控制各个模块正常工作；
数据后处理模块，与中央控制模块连接，用于对获取的ASL扫描数据进行后处理，生成ASL图像；
显示模块，与中央控制模块连接，用于利用显示器显示处理后的CBF图像、三维重建的脑动脉血管、计算的参数以及数据分析结果。
进一步，所述数据后处理模块对获取的ASL扫描数据进行后处理，生成ASL图像包括以下步骤：
首先，获取所述ASL扫描数据的时间点，并按照时间顺序对所述ASL扫描数据进行排序，删除前5个时间点的ASL扫描数据，得到初次处理的ASL扫描数据；
其次，对所述初次处理的ASL扫描数据进行运动校正处理以及配准处理，得到有效的ASL扫描数据；
最后，对所述有效的ASL扫描数据进行格式转换并生成ASL图像；所述ASL图像包括ASL控制图像与ASL标记图像。
进一步，所述图像预处理模块对得到的ASL图像进行预处理，得到预处理后的ASL图像包括：
首先，利用高斯滤波算法对生成的ASL图像进行去噪处理，得到去噪后的ASL图像；
其次，对去噪后的ASL图像进行图像过滤处理，并利用边缘检测方法对过滤后的ASL图像进行检测，去除ASL图像边缘的无关区域；
最后，对所述去除边缘后的ASL图像进行增强处理，得到预处理后的ASL图像。
进一步，所述CBF图像生成模块基于预处理后的ASL图像生成CBF图像包括：
首先，基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像；
其次，对所述CBF图像进行灰度化处理，得到CBF灰度图像；对CBF图像进行图像阈值的调节，得到CBF伪彩色图像。
进一步，所述基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像包括：
基于多张所述预处理后的ASL控制图像减去多张所述预处理后的ASL标记图像，得到多张CBF图像，对所述多张CBF图像求平均，得到所述的CBF图像。
进一步，所述对CBF图像进行图像阈值的调节，得到CBF伪彩色图像包括：通过调节图像阈值，利用不同颜色标识不同血流灌注量。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现所述脑动脉狭窄闭塞的ASL图像处理***。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器实现所述脑动脉狭窄闭塞的ASL图像处理***。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述脑动脉狭窄闭塞的ASL图像处理***。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明通过对靠前的扫描数据进行删除，排除了机器刚开始运行不稳定导致的数据误差；同时对于扫描数据进行了校正以及配准，能够避免因过程中用户移动导致的伪影产生，提高了图像的可靠度以及数据分析的准确度。
本发明通过对多张CBF图像进行去噪、过滤、增强处理，得到了清晰度高的CBF图像，同时通过对多张CBF图像取平均减少了随机误差，保证了图像的可靠度。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明的ASL图像处理手段处理的图像更加清晰、可靠、实用性强，且能够清晰、完整的进行脑动脉血管的三维重建中，能够脑动脉狭窄闭塞的数据分析提供直观的参考。
附图说明
图1是本发明实施例提供的数据后处理模块对获取的ASL扫描数据进行后处理，生成ASL图像的方法流程图；
图2是本发明实施例提供的图像预处理模块对得到的ASL图像进行预处理，得到预处理后的ASL图像的方法流程图；
图3是本发明实施例提供的CBF图像生成模块基于预处理后的ASL图像生成CBF图像的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
本发明实施例提供的脑动脉狭窄闭塞的ASL图像处理***包括：
扫描参数获取模块，与中央控制模块连接，用于确定脑动脉的ASL扫描参数；
图像采集模块，与中央控制模块连接，用于获取基于所述ASL扫描参数的ASL扫描数据；
中央控制模块，与扫描参数获取模块、图像采集模块、数据后处理模块、图像预处理模块、CBF图像生成模块、CBF图像处理模块、血管区域划分模块、血管分割模块、三维重建模块、参数计算模块、数据分析模块以及显示模块连接，用于利用单片机或控制器控制各个模块正常工作；
数据后处理模块，与中央控制模块连接，用于对获取的ASL扫描数据进行后处理，生成ASL图像；
图像预处理模块，与中央控制模块连接，用于对得到的ASL图像进行预处理，得到预处理后的ASL图像；
CBF图像生成模块，与中央控制模块连接，用于基于预处理后的ASL图像生成CBF图像；
CBF图像处理模块，与中央控制模块连接，用于对生成的CBF图像进行空间标准化以及平滑处理，得到处理后的CBF图像；
血管区域划分模块，与中央控制模块连接，用于基于处理后的CBF图像确定血管的区域范围；
血管分割模块，与中央控制模块连接，用于基于确定的血管的区域范围进行血管的精准分割；
三维重建模块，与中央控制模块连接，用于基于血管的分割结果结合处理后的CBF图像进行脑动脉血管的三维重建；
参数计算模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果结合CBF图像计算脑动脉相关参数；
数据分析模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果、CBF图像、脑动脉相关参数进行脑动脉狭窄闭塞分析；
显示模块，与中央控制模块连接，用于利用显示器显示处理后的CBF图像、三维重建的脑动脉血管、计算的参数以及数据分析结果。
如图1所示，本发明实施例提供的数据后处理模块对获取的ASL扫描数据进行后处理，生成ASL图像包括以下步骤：
S101，获取所述ASL扫描数据的时间点，并按照时间顺序对所述ASL扫描数据进行排序，删除前5个时间点的ASL扫描数据，得到初次处理的ASL扫描数据；
S102，对所述初次处理的ASL扫描数据进行运动校正处理以及配准处理，得到有效的ASL扫描数据；
S103，对所述有效的ASL扫描数据进行格式转换并生成ASL图像；所述ASL图像包括ASL控制图像与ASL标记图像。
如图2所示，本发明实施例提供的图像预处理模块对得到的ASL图像进行预处理，得到预处理后的ASL图像包括：
S201，利用高斯滤波算法对生成的ASL图像进行去噪处理，得到去噪后的ASL图像；
S202，对去噪后的ASL图像进行图像过滤处理，并利用边缘检测方法对过滤后的ASL图像进行检测，去除ASL图像边缘的无关区域；
S203，对所述去除边缘后的ASL图像进行增强处理，得到预处理后的ASL图像。
如图3所示，本发明实施例提供的CBF图像生成模块基于预处理后的ASL图像生成CBF图像包括：
S301，基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像；
S302，对所述CBF图像进行灰度化处理，得到CBF灰度图像；对CBF图像进行图像阈值的调节，得到CBF伪彩色图像。
本发明实施例提供的基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像包括：
基于多张所述预处理后的ASL控制图像减去多张所述预处理后的ASL标记图像，得到多张CBF图像，对所述多张CBF图像求平均，得到所述的CBF图像。
本发明实施例提供的对CBF图像进行图像阈值的调节，得到CBF伪彩色图像包括：通过调节图像阈值，利用不同颜色标识不同血流灌注量。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用的应用实施例。
本发明将所述脑动脉狭窄闭塞的ASL图像处理***应用于计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行脑动脉狭窄闭塞的ASL图像处理***。
本发明将所述脑动脉狭窄闭塞的ASL图像处理***应用于计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行脑动脉狭窄闭塞的ASL图像处理***。
本发明将所述脑动脉狭窄闭塞的ASL图像处理***应用于信息数据处理终端。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行***，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述脑动脉狭窄闭塞的ASL图像处理***包括：
图像预处理模块，与中央控制模块连接，用于对得到的ASL图像进行预处理，得到预处理后的ASL图像；
CBF图像生成模块，与中央控制模块连接，用于基于预处理后的ASL图像生成CBF图像；
CBF图像处理模块，与中央控制模块连接，用于对生成的CBF图像进行空间标准化以及平滑处理，得到处理后的CBF图像；
血管区域划分模块，与中央控制模块连接，用于基于处理后的CBF图像确定血管的区域范围；
血管分割模块，与中央控制模块连接，用于基于确定的血管的区域范围进行血管的精准分割；
三维重建模块，与中央控制模块连接，用于基于血管的分割结果结合处理后的CBF图像进行脑动脉血管的三维重建；
参数计算模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果结合CBF图像计算脑动脉相关参数；
数据分析模块，与中央控制模块连接，用于基于脑动脉血管三维重建结果、CBF图像、脑动脉相关参数进行脑动脉狭窄闭塞分析。
2.如权利要求1所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述脑动脉狭窄闭塞的ASL图像处理***还包括：
扫描参数获取模块，与中央控制模块连接，用于确定脑动脉的ASL扫描参数；
图像采集模块，与中央控制模块连接，用于获取基于所述ASL扫描参数的ASL扫描数据；
中央控制模块，与扫描参数获取模块、图像采集模块、数据后处理模块、图像预处理模块、CBF图像生成模块、CBF图像处理模块、血管区域划分模块、血管分割模块、三维重建模块、参数计算模块、数据分析模块以及显示模块连接，用于利用单片机或控制器控制各个模块正常工作；
数据后处理模块，与中央控制模块连接，用于对获取的ASL扫描数据进行后处理，生成ASL图像；
显示模块，与中央控制模块连接，用于利用显示器显示处理后的CBF图像、三维重建的脑动脉血管、计算的参数以及数据分析结果。
3.如权利要求2所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述数据后处理模块对获取的ASL扫描数据进行后处理，生成ASL图像包括以下步骤：
首先，获取所述ASL扫描数据的时间点，并按照时间顺序对所述ASL扫描数据进行排序，删除前5个时间点的ASL扫描数据，得到初次处理的ASL扫描数据；
其次，对所述初次处理的ASL扫描数据进行运动校正处理以及配准处理，得到有效的ASL扫描数据；
最后，对所述有效的ASL扫描数据进行格式转换并生成ASL图像；所述ASL图像包括ASL控制图像与ASL标记图像。
4.如权利要求1所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述图像预处理模块对得到的ASL图像进行预处理，得到预处理后的ASL图像包括：
首先，利用高斯滤波算法对生成的ASL图像进行去噪处理，得到去噪后的ASL图像；
其次，对去噪后的ASL图像进行图像过滤处理，并利用边缘检测方法对过滤后的ASL图像进行检测，去除ASL图像边缘的无关区域；
最后，对所述去除边缘后的ASL图像进行增强处理，得到预处理后的ASL图像。
5.如权利要求1所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述CBF图像生成模块基于预处理后的ASL图像生成CBF图像包括：
首先，基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像；
其次，对所述CBF图像进行灰度化处理，得到CBF灰度图像；对CBF图像进行图像阈值的调节，得到CBF伪彩色图像。
6.如权利要求5所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述基于所述预处理后的ASL控制图像减去ASL标记图像，得到CBF图像包括：
基于多张所述预处理后的ASL控制图像减去多张所述预处理后的ASL标记图像，得到多张CBF图像，对所述多张CBF图像求平均，得到所述的CBF图像。
7.如权利要求5所述脑动脉狭窄闭塞的ASL图像处理***，其特征在于，所述对CBF图像进行图像阈值的调节，得到CBF伪彩色图像包括：通过调节图像阈值，利用不同颜色标识不同血流灌注量。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1-7任意一项所述脑动脉狭窄闭塞的ASL图像处理***。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器实现如权利要求1-7任意一项所述脑动脉狭窄闭塞的ASL图像处理***。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1-7任意一项所述脑动脉狭窄闭塞的ASL图像处理***。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211467587.8A CN116071250A (zh) | 2022-11-22 | 2022-11-22 | 一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211467587.8A CN116071250A (zh) | 2022-11-22 | 2022-11-22 | 一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116071250A true CN116071250A (zh) | 2023-05-05 |
Family
ID=86177753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211467587.8A Pending CN116071250A (zh) | 2022-11-22 | 2022-11-22 | 一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116071250A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496173A (zh) * | 2023-11-13 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
-
2022
- 2022-11-22 CN CN202211467587.8A patent/CN116071250A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117496173A (zh) * | 2023-11-13 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
| CN117496173B (zh) * | 2023-11-13 | 2024-04-12 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109410221B (zh) | 脑灌注图像分割方法、装置、服务器和存储介质 | |
| US9036878B2 (en) | Method for delineation of tissue lesions | |
| Deshpande et al. | Automatic segmentation, feature extraction and comparison of healthy and stroke cerebral vasculature | |
| US9064306B2 (en) | Bidirectional blood vessel segmentation | |
| US8068655B2 (en) | Method and system for vessel enhancement and artifact reduction in TOF MR angiography of brain | |
| US9058664B2 (en) | 2D-2D fusion for interventional guidance in trans-catheter aortic valve implantation | |
| CN112700451A (zh) | 用于自动分割3d医学图像的方法、***和计算机可读介质 | |
| CN116071250A (zh) | 一种脑动脉狭窄闭塞的asl图像处理***、设备及终端 | |
| CN114693710A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| CN114399594A (zh) | 一种基于中心线提取的血管壁影像自动曲面重建方法 | |
| Goel et al. | Fully automated tool to identify the aorta and compute flow using phase‐contrast MRI: validation and application in a large population based study | |
| Phellan et al. | Automatic temporal segmentation of vessels of the brain using 4D ASL MRA images | |
| Chan et al. | Full cardiac cycle asynchronous temporal compounding of 3D echocardiography images | |
| CN107274429B (zh) | 运动伪影校正的方法和*** | |
| CN112651984A (zh) | 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质 | |
| Tsai et al. | Adaptive segmentation of vessels from coronary angiograms using multi-scale filtering | |
| CN116491968A (zh) | 基于单时相cta的急性缺血性卒中侧支循环评估方法 | |
| Kulathilake et al. | Region growing segmentation method for extracting vessel structures from coronary cine-angiograms | |
| Straub et al. | A novel gradient echo data based vein segmentation algorithm and its application for the detection of regional cerebral differences in venous susceptibility | |
| US11335002B2 (en) | Deviation detection device, method, and program | |
| CN116681704B (zh) | 颅内血管血流量获取方法、计算机设备和可读存储介质 | |
| Kalinić et al. | Model-based segmentation of aortic ultrasound images | |
| US20230252645A1 (en) | Vascular plaque extraction apparatus and method | |
| CN115714017A (zh) | 一种基于雾计算的脑卒中初步诊断评估*** | |
| US20230077715A1 (en) | Methods for segmenting digital images, devices and systems for the same |
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 |