[发明专利]缺血半暗带的误标记识别方法、装置、设备及存储介质有效

专利信息
申请号: 202310080776.8 申请日: 2023-02-03
公开(公告)号: CN115830014B 公开(公告)日: 2023-05-05
发明(设计)人: 王梅云;魏巍;刘欢欢 申请(专利权)人: 脑玺(苏州)智能科技有限公司;河南省人民医院
主分类号: G06T7/00 分类号: G06T7/00;G06T7/62;G06T7/66
代理公司: 北京迎硕知识产权代理事务所(普通合伙) 11512 代理人: 张群峰
地址: 215224 江苏省苏州市吴江区太湖新*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 缺血 半暗带 标记 识别 方法 装置 设备 存储 介质
【权利要求书】:

1.一种缺血半暗带的误标记识别方法,其特征在于,包括:

获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;

根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;

根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;

若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记,

所述根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数包括:

获取所述目标脑部组织对应的大脑中线;

基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数,

所述相关系数模型通过下式表示:

其中,XL与XR分别为所述缺血半暗带标注图像的各个脑部图像中,位于所述大脑中线两侧的脑部组织区域的缺血半暗带标记结果的值组成的一维数组,并且,XL与XR中位置对应的两个值为以所述大脑中线为轴对称的两个像素对应的缺血半暗带标记结果的值,基于一个或者多个脑部图像能够得到一个或者多个XL与XR,则分别为这一个或者多个XL与XR的均值,

基于所述相关系数模型计算得到的相关系数越大,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越对称,相关系数越小,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越不对称。

2.根据权利要求1所述的方法,其特征在于,所述获取目标脑部组织的缺血半暗带标注图像包括:

获取所述目标脑部组织的动脉自旋标记灌注图像数据;

根据所述动脉自旋标记灌注图像数据计算所述目标脑部组织的脑血流量图像或者脑血容量图像;

根据所述脑血流量图像或者所述脑血容量图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。

3.根据权利要求1所述的方法,其特征在于,所述获取目标脑部组织的缺血半暗带标注图像包括:

获取所述目标脑部组织的动态磁敏感对比增强灌注图像;

根据所述动态磁敏感对比增强灌注图像计算对应的残余功能函数最大时间图像;

根据所述残余功能函数最大时间图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。

4.根据权利要求1所述的方法,其特征在于,所述方法还包括:

对所述目标脑部组织中的核心梗死区进行识别;

在未识别到核心梗死区的情况下,执行根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数的步骤;

在识别到核心梗死区的情况下,确定所述缺血半暗带区域不为误标记。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述目标脑部组织的白质区域分割图像;

根据所述白质区域分割图像和所述缺血半暗带标注图像,计算所述缺血半暗带区域中白质区域所占的第二百分比;

其中,所述若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记包括:

若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则判断所述第二百分比是否大于第三预设阈值;

若所述第二百分比大于第三预设阈值,则确定所述缺血半暗带区域为误标记。

6.根据权利要求5所述的方法,其特征在于,所述获取所述目标脑部组织的白质区域分割图像包括:

获取所述目标脑部组织的T1加权图像;

采用预设的图像分割算法对所述T1加权图像中的白质区域进行分割,得到对应的白质区域分割图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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脑玺(苏州)智能科技有限公司;河南省人民医院,未经脑玺(苏州)智能科技有限公司;河南省人民医院许可,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/202310080776.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top