一种氧摄取分数测量方法、装置、设备及存储介质

    公开(公告)号:CN115530820A

    公开(公告)日:2022-12-30

    申请号:CN202211515305.7

    申请日:2022-11-30

    IPC分类号: A61B5/1455 A61B5/026 A61B5/00

    摘要: 本发明涉及图像处理技术领域,具体是一种氧摄取分数测量方法、装置、设备及存储介质,所述方法包括:获取待测脑部组织的静脉脑血容量图像以及脑血容量图像;利用预先训练的脱氧血容量预测模型,对所述静脉脑血容量图像和所述脑血容量图像进行处理,得到所述待测脑部组织的脱氧血容量图像;基于所述脱氧血容量图像确定所述待测脑部组织的氧摄取分数图像。本发明的氧摄取分数测量方法,通过联合静脉脑血容量图像和脑血容量图像,利用机器学习模型预测脱氧血容量,进而计算氧摄取分数,能够提高脱氧血容量计算结果以及氧摄取分数测量结果的准确性。

    一种缺血区分割方法、装置、设备及存储介质

    公开(公告)号:CN114820602B

    公开(公告)日:2022-09-16

    申请号:CN202210735523.5

    申请日:2022-06-27

    摘要: 发明涉及图像处理技术领域,具体是一种缺血区分割方法、装置、设备及存储介质,所述方法包括:获取目标对象脑部的表观扩散系数图像;获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像;利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理,得到所述目标对象脑部的缺血区分割图像。本发明的缺血区分割方法,通过联合扩散加权图像信息和多个标记后延迟的动脉自旋标记灌注图像信息进行缺血区分割,充分利用了各类图像之间的相互信息,提高了缺血区分割的准确性和鲁棒性。

    一种缺血区分割方法、装置、设备及存储介质

    公开(公告)号:CN114820602A

    公开(公告)日:2022-07-29

    申请号:CN202210735523.5

    申请日:2022-06-27

    摘要: 发明涉及图像处理技术领域,具体是一种缺血区分割方法、装置、设备及存储介质,所述方法包括:获取目标对象脑部的表观扩散系数图像;获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像;利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理,得到所述目标对象脑部的缺血区分割图像。本发明的缺血区分割方法,通过联合扩散加权图像信息和多个标记后延迟的动脉自旋标记灌注图像信息进行缺血区分割,充分利用了各类图像之间的相互信息,提高了缺血区分割的准确性和鲁棒性。

    一种基于灌注图像获得流出效应参数的装置和方法

    公开(公告)号:CN114359262A

    公开(公告)日:2022-04-15

    申请号:CN202210183844.9

    申请日:2022-02-28

    摘要: 本发明公布了一种基于灌注图像获得流出效应参数的装置和方法,检测步骤包括:先在灌注后连续采集灌注图像和动脉输入函数,将后续时相的灌注图像与第一时相图像对齐,并去除伪影和无法对齐的图像,然后将灌注图像转换成对比剂浓度图像,基于Indicator–Dilution原理获取灌注图像中每个像素点的残余功能函数,计算流出效应参数,本发明充分利用MR或者CT的灌注图像定量后处理过程中的残余功能曲线的来测量组织的流出效应。残余功能曲线反应的是组织对脉冲血流(含对比剂)的响应,所以残余功能函数的下降部分就是灌注中对比剂流出效应的直接反应,这样测量的流出效应参数会比直接使用动态灌注曲线更准确。

    基于组合神经网络模型的预测方法、装置、设备及介质

    公开(公告)号:CN115861662B

    公开(公告)日:2023-05-12

    申请号:CN202310148171.8

    申请日:2023-02-22

    摘要: 本发明提供一种基于组合神经网络模型的预测方法、装置、设备及介质,所述组合神经网络模型包括多个不同的子神经网络模型,所述方法包括:获取待处理图像数据;分别利用各个所述子神经网络模型对所述待处理图像数据进行处理,得到对应的预测结果;分别计算所述待处理图像数据与各个所述子神经网络模型对应的模板图像之间的相似度,所述模板图像基于训练对应子神经网络模型的训练图像数据集确定;基于所述待处理图像数据与各个所述模板图像之间的相似度,采用加权平均法对各个所述子神经网络模型对应的预测结果进行融合处理,得到最终的预测结果。本发明的预测方法通过动态分配权重系数,提高了组合神经网络模型的预测准确性。

    基于组合神经网络模型的预测方法、装置、设备及介质

    公开(公告)号:CN115861662A

    公开(公告)日:2023-03-28

    申请号:CN202310148171.8

    申请日:2023-02-22

    摘要: 本发明提供一种基于组合神经网络模型的预测方法、装置、设备及介质,所述组合神经网络模型包括多个不同的子神经网络模型,所述方法包括:获取待处理图像数据;分别利用各个所述子神经网络模型对所述待处理图像数据进行处理,得到对应的预测结果;分别计算所述待处理图像数据与各个所述子神经网络模型对应的模板图像之间的相似度,所述模板图像基于训练对应子神经网络模型的训练图像数据集确定;基于所述待处理图像数据与各个所述模板图像之间的相似度,采用加权平均法对各个所述子神经网络模型对应的预测结果进行融合处理,得到最终的预测结果。本发明的预测方法通过动态分配权重系数,提高了组合神经网络模型的预测准确性。

    缺血半暗带的误标记识别方法、装置、设备及存储介质

    公开(公告)号:CN115830014A

    公开(公告)日:2023-03-21

    申请号:CN202310080776.8

    申请日:2023-02-03

    IPC分类号: G06T7/00 G06T7/62 G06T7/66

    摘要: 本发明提供一种缺血半暗带的误标记识别方法,所述方法包括: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。本发明的误标记识别方法,能够提高缺血半暗带标记的准确性,降低缺血半暗带误标记带来的对临床诊断的不良影响。

    一种基于灌注图像获得流出效应参数的装置和方法

    公开(公告)号:CN114359262B

    公开(公告)日:2022-06-07

    申请号:CN202210183844.9

    申请日:2022-02-28

    摘要: 本发明公布了一种基于灌注图像获得流出效应参数的装置和方法,检测步骤包括:先在灌注后连续采集灌注图像和动脉输入函数,将后续时相的灌注图像与第一时相图像对齐,并去除伪影和无法对齐的图像,然后将灌注图像转换成对比剂浓度图像,基于Indicator–Dilution原理获取灌注图像中每个像素点的残余功能函数,计算流出效应参数,本发明充分利用MR或者CT的灌注图像定量后处理过程中的残余功能曲线的来测量组织的流出效应。残余功能曲线反应的是组织对脉冲血流(含对比剂)的响应,所以残余功能函数的下降部分就是灌注中对比剂流出效应的直接反应,这样测量的流出效应参数会比直接使用动态灌注曲线更准确。

    一种图像区域分割方法、装置、设备及存储介质

    公开(公告)号:CN113628207A

    公开(公告)日:2021-11-09

    申请号:CN202111001199.6

    申请日:2021-08-30

    摘要: 本发明提供一种图像区域分割方法、装置、设备及存储介质,所述方法包括:获取目标对象脑部的脑血流量图像和表观扩散系数图像;基于预先确定的健康人群的脑部图像数据集,计算所述脑血流量图像对应的第一Z分数图和所述表观扩散系数图像对应的第二Z分数图;利用预先训练的分类模型对所述脑血流量图像、所述第一Z分数图、所述表观扩散系数图像和所述第二Z分数图进行处理,得到所述目标对象脑部的区域分割图像。本发明的图像区域分割方法,通过联合脑血流量图像和表观扩散系数图像以及各自对应的统计学特征进行缺血半暗带分割,综合考虑了个体本身的信息以及与健康群体相比较的信息,能够提高缺血半暗带分割的准确性和鲁棒性。