[发明专利]动态灌注影像处理的定量分析方法及系统

说明书

本发明公开了一种动态灌注影像处理的定量分析方法，包括以下步骤：步骤1，利用信号强度和达峰时间阈值分割出动脉血管；步骤2，对所分割的动脉血管进行分类，并将不同类别的动脉血管标记成不同值，得到动脉血管的标签图像；步骤3，对动脉血管的标签图像进行距离变换，得到不同类别血管所属的维诺空间；然后对具有相同标记值且空间上相邻的区域进行合并，得到维诺区域；步骤4，将同类动脉血管的平均时间信号曲线作为对应维诺区域的局部AIF，进行后续的灌注定量分析。本发明基于局部AIF来进行动态灌注定量分析，因此能够解决全局近似出现的问题。本发明还公开了一种动态灌注影像处理的定量分析系统。

技术领域

本发明涉及一种灌注成像数据的处理方法，具体涉及一种动态灌注影像处理的定量分析方法。本发明还涉及一种动态灌注影像处理的定量分析系统。

背景技术

磁共振(MRI)/计算机断层扫描(CT)的灌注成像得到的数据可以理解为一个三维的电影，每一个体素(voxel)都可以描述为一条随时间变化的曲线。在灌注成像处理中，一般有以下步骤：(1)测量组织的动脉输入函数(AIF)；(2)求解反卷积以得到组织脉冲残余曲线(组织脉冲残余曲线和动脉输入函数的卷积为组织的时间变化曲线)；(3)使用脉冲残余曲线计算脑血流量(CBF)、脑血容量(CBV)、平均通过时间(MTT)、最大剩余功能时间(Tmax)等参数图像。

其中，AIF的选择直接影像到最后计算的参数图，是灌注定量分析中一个非常重要的输入。由于实践中难以测量直接供给感兴趣组织的动脉曲线，通常从诸如颈内动脉(ICA)、大脑中动脉(MCA)或大脑前动脉(ACA)之类的大血管测量曲线作为全局的AIF。由于造影剂的延迟和散布，组织的供血动脉曲线与这种全局的AIF存在明显的差异，这种全局的近似会带来定量参数的误差，直接影响临床评价。

另外，不同的医疗技术人员选择的AIF也会不同，所以计算的参数图也会不同，产生人为误差。如图1所示，由于采用不同的AIF反卷积得到的残留曲线不同，计算的CBF不同。

发明内容

本发明所要解决的技术问题是提供一种动态灌注影像处理的定量分析方法，它可以得到更准确的灌注定量分析值。

为解决上述技术问题，本发明动态灌注影像处理的定量分析方法的技术解决方案为，包括以下步骤：

步骤1，利用信号强度和达峰时间阈值分割出动脉血管；

步骤2，对所分割的动脉血管进行分类，并将不同类别的动脉血管标记成不同值，得到动脉血管的标签图像；

在另一实施例中，所述步骤2中对动脉血管的分类方法为模糊聚类或者支持向量机、随机森林。

步骤3，对动脉血管的标签图像进行距离变换，得到不同类别血管所属的维诺空间；然后对具有相同标记值且空间上相邻的区域进行合并，得到维诺区域，实现基于动脉血管的全脑区域的空间划分；

在另一实施例中，所述步骤3的具体方法如下：

步骤3.1，对非血管位置的像素点进行标记；

根据距离某一像素点最近的动脉血管的类别，标记该像素点的值；则同一类别的动脉血管周围的像素点的标记值相同，该像素点的标记值即为离其最近的动脉血管的标记值；

步骤3.2，对相同标记值的非血管位置的像素点进行合并，得到该类别的动脉血管对应的维诺区域。

步骤4，将同类动脉血管的平均时间信号曲线作为对应维诺区域的局部AIF，进行后续的灌注定量分析。

在另一实施例中，所述步骤1之前执行步骤0：对灌注数据进行预处理。

在另一实施例中，所述步骤0的预处理方法包括：逐时间点进行运动矫正、背景去除、图像去噪。