[发明专利]一种磁共振灌注成像后处理方法及系统有效
申请号: | 201610019251.3 | 申请日: | 2016-01-12 |
公开(公告)号: | CN105701815B | 公开(公告)日: | 2018-11-02 |
发明(设计)人: | 刘素娟;胡曙光 | 申请(专利权)人: | 深圳安科高技术股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人: | 王永文 |
地址: | 518067 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 磁共振 灌注 成像 处理 方法 系统 | ||
1.一种磁共振灌注成像后处理方法,其特征在于,所述方法包括以下步骤:
A、对原始脑灌注图像滤波,去除脑部边缘,得到滤波后脑灌注图像;
B、接收用户的区域选择指令,获取在滤波后脑灌注图像的中动脉区的选定区域,输出评估动脉输入函数的加权动脉输入曲线;
C、根据改进的Gamma函数分别对加权动脉输入曲线和浓度时间曲线进行拟合,得到优化的动脉输入曲线和浓度时间曲线;
D、根据改进的基于非参数模型的奇异矩阵分解方法求解灌注的相对定量参数;
所述步骤C具体包括:
C1、根据浓度时间曲线的最大值、上升期、下降期估算改进的Gamma函数拟合的初始值;
C2、在[T0,Tmax+n]曲线范围内结合Gamma函数拟合的初始值得到改进的Gamma函数的优化参数;其中T0是初始到达时间,Tmax是最大峰值对应的时间,n是峰值后参与拟合的点数;
C3、根据该改进的Gamma函数对加权动脉输入曲线和浓度时间曲线拟合,得到优化的动脉输入曲线和浓度时间曲线;
Gamma函数表达式如下:
G(t)=A*(t-D)B*e(-(t-D)/C)
其中A,D,B,C是需要估算的优化参数;t是时间变量;
Gamma函数的初始值[A0,B0,C0,D0]估计如下:
A0取浓度时间曲线Ct的最大峰值;
D0取浓度时间曲线Ct的第一个拐点位置即对比剂开始进入组织的时间;
C0取浓度时间曲线Ct在下降时刻与D0相对应的时间;
B0=(Tmax-T0)/C0;Tmax是A0对应的时间。
2.根据权利要求1所述磁共振灌注成像后处理方法,其特征在于,所述步骤B具体包括:
B1、接收用户的区域选择指令,获取在滤波后脑灌注图像的中动脉区的选定区域;
B2、对中动脉区的选定区域的浓度时间信号进行加权平滑,得到用于参数计算的动脉输入函数,并根据动脉输入函数输出加权动脉输入曲线。
3.根据权利要求1所述磁共振灌注成像后处理方法,其特征在于,所述步骤D具体包括:
D1、根据改进的基于非参数模型的奇异矩阵分解方法对特定时间范围的浓度信号矩阵进行奇异矩阵分解得到对角矩阵W,正交矩阵V,正交矩阵U;D2、根据阈值策略得到处理后的对角矩阵s,并根据对角矩阵s确定灌注的相对定量参数;其中s=1/W。
4.一种磁共振灌注成像后处理系统,其特征在于,包括:
滤波模块,用于对原始脑灌注图像滤波,去除脑部边缘,得到滤波后脑灌注图像;
区域选定及输出模块,用于接收用户的区域选择指令,获取在滤波后脑灌注图像的中动脉区的选定区域,输出评估动脉输入函数的加权动脉输入曲线;
曲线拟合模块,用于根据改进的Gamma函数分别对加权动脉输入曲线和浓度时间曲线进行拟合,得到优化的动脉输入曲线和浓度时间曲线;
参数获取模块,用于根据改进的基于非参数模型的奇异矩阵分解系统求解灌注的相对定量参数;
估算单元,用于根据浓度时间曲线的最大值、上升期、下降期估算改进的Gamma函数拟合的初始值;
Gamma函数参数获取单元,用于在[T0,Tmax+n]范围内,结合估算单元输出的初始值获取用于曲线拟合的Gamma函数参数;其中T0是初始到达时间,Tmax是最大峰值对应的时间,n是峰值后参与拟合的点数;
曲线拟合单元,用于根据该改进的Gamma函数对加权动脉输入曲线和浓度时间曲线拟合,得到优化的动脉输入曲线和浓度时间曲线;
Gamma函数表达式如下:
G(t)=A*(t-D)B*e(-(t-D)/C)
其中A,D,B,C是需要估算的优化参数;t是时间变量;
Gamma函数的初始值[A0,B0,C0,D0]估计如下:
A0取浓度时间曲线Ct的最大峰值;
D0取浓度时间曲线Ct的第一个拐点位置即对比剂开始进入组织的时间;
C0取浓度时间曲线Ct在下降时刻与D0相对应的时间;
B0=(Tmax-T0)/C0;Tmax是A0对应的时间。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳安科高技术股份有限公司,未经深圳安科高技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610019251.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于颜色特征的障碍物或阴影检测方法
- 下一篇:一种光场图像的显著性检测方法