[发明专利]一种CT与MR脑灌注数据动脉输入函数自动提取方法

权利要求书

1.一种CT与MR脑灌注数据动脉输入函数自动提取方法，其特征在于，包括从所有血管中进行动脉血管候选的筛选方法以及从候选区域进行AIF曲线筛选的方法；具体包括如下5个步骤：第一步，数据时间维度配准；第二步，去除颅骨；第三步，4D数据血管分割；第四步，候选动脉血管筛选；第五步，构造代价函数方程进行AIF提取；所述第一步还包括，使用互信息对4D数据进行时间维度的配准；将所有期的体数据对应到第一期的体数据上，保证组织结构的对应关系；所述第二步还包括，使用主动轮廓法，分割颅骨，并进行去除，留下脑组织部分；所述第三步还包括，对于CT进行时间维度上的最大密度投影，通过自适应阈值，分割出高于阈值的脑组织作为血管；对于MR使用最小密度投影，通过自适应阈值，分割出低于阈值的脑组织作为血管；所述第四步包括步骤4.1运动估计和4.2血管筛选；

所述步骤4.1具体包括：

步骤4.1.1：分别对血管、非血管脑组织和包括血管脑组织中的所有像素点的灰度求和，得到灰度和曲线Cv，Ct和Cb；

步骤4.1.2：分别对三条曲线求取峰值位置Pv，Pt和Pb；合并为向量P=(Pv，Pt，Pb)，得到P向量的标准差Sp；

步骤4.1.3：分别求取曲线Cv，Ct和Cb的峰度，并合并为向量K=(Kv, Kt, Kb)，得到K向量的标准差Sk；

当Sp1，或者Sk-min(Kv,Kb)0.1时，认为存在明显的运动误差，否则认为没有运动误差；

其中，min(a,b)表示取a和b中更小的值；

当存在运动误差时，将Cv和Ct分别归一化，得到Nv和Nt，并计算二者差值曲线D；

步骤4.1.4：计算D的二阶导数Gd，找到Gd0.1的时间坐标，记为集合Tg；计算Nv的二阶导数，找到Nv-0.1的时间坐标，记为集合Tn；找到D0的位置，记为集合Td；运动时间坐标集合Tm为Tg、Tn和Td的交集；

所述步骤4.2具体包括：

步骤4.2.1：运动血管过滤；

计算所有血管内像素点对应的达峰时间坐标Tp，当某个血管内像素点对应的Tp∈Tm时，认为该血管内像素点在时间维度上存在运动，将该像素从候选血管中去除；

其中，Tm为运动时间坐标集合；

步骤4.2.2：低峰值过滤；

计算所有血管的峰值均值H，计算所有血管内像素点对应的峰值Hv，过滤HvH的血管；

步骤4.2.3：峰宽过滤；

计算所有血管的峰的半高宽W，计算所有血管内像素点对应的峰值Wv，过滤WvW的血管；

步骤4.2.4：面积过滤；

计算所有血管峰下曲线面积Ap和整条曲线面积Ac，过滤Ap0.5Ac的血管，过滤后剩余的血管像素，就是AIF候选提取点；

所述第五步还包括：

步骤5.1：提取所有AIF候选提取点的时间密度曲线TDC，并记录下其点的坐标；

步骤5.2：时间密度曲线TDC记做T，对所有时间密度曲线TDC计算或提取以下参数：最大峰的起始位置和终止位置分别记做L1、L2；峰值位置记做Lp；将L1到L2之间的第i个点记做Li，i∈[L1,L2]；L1到L2之间的曲线记做V；与Li位置对应的灰度值记做Vi；时间密度曲线TDC的峰值记做Vp；

步骤5.3：按照下式计算分数：

S1= ∑_i(|Li - Lp|×Vi)

S2= ∑_i(|Li - L1|×Vi)

S3为V的二阶导数

S4= L2 - L1

S5为最大峰的半高宽

S6为大于0.8Vp的所有峰的数量

Si=(S1+S2)×S3×S4×S5×S6³×Lp²÷Vp⁴

Si为每个候选像素点的分数；

步骤5.4：分别计算每个候选提取点邻域内分数中最小的5个点的均值Mi，并记录下对应的点坐标；选取最小Mi对应的邻域内的点作为AIF提取点，AIF为这些点的TDC曲线的均值。