專利名稱：一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，是一種減小在利用灌注核磁共振成像量化血容量中因造影劑滲漏效應(yīng)及血液循環(huán)所帶來(lái)的量化誤差的方法。屬于磁共振灌注成像中血容量的醫(yī)學(xué)圖像處理。

背景技術(shù)：
現(xiàn)代醫(yī)學(xué)影像學(xué)已不滿足于對(duì)病變形態(tài)變化的研究，而向反映組織和器官生理與病理變化甚至功能成像方面發(fā)展。腦核磁共振灌注成像是腦功能成像方法之一，它通過(guò)研究腦組織的血流灌注狀態(tài)以及組織血管化程度來(lái)獲取微循環(huán)信息從而揭示腫瘤的生物學(xué)行為及預(yù)后情況。因此灌注成像在腦部腫瘤的診斷、鑒別診斷、療效評(píng)價(jià)及判斷預(yù)后中發(fā)揮主要作用。局部血容量rCBV是灌注成像中一個(gè)簡(jiǎn)便而有效的分析參數(shù)，它反映了腦腫瘤微血管指標(biāo)，與組織學(xué)上血管緊密度及腫瘤分級(jí)具有顯著相關(guān)性。然而，rCBV的量化正比于血液首次通過(guò)所致的時(shí)間-造影劑濃度曲線的積分。二次及后續(xù)的多次通過(guò)將會(huì)帶來(lái)顯著的過(guò)估計(jì)誤差。另一方面，造影劑經(jīng)血管滲漏而產(chǎn)生的附加T2*順磁效應(yīng)使得上述誤差進(jìn)一步放大。
近些年來(lái)研究學(xué)者已經(jīng)提出一些旨在去除血液循環(huán)引起的rCBV量化誤差的方法，但仍存在很多問(wèn)題。方法1人為的在時(shí)間-造影劑濃度曲線中選取固定的截?cái)帱c(diǎn)，僅對(duì)時(shí)間-造影劑濃度曲線進(jìn)行部分積分。其特點(diǎn)在于實(shí)現(xiàn)簡(jiǎn)單，無(wú)需附加計(jì)算。缺點(diǎn)在于截?cái)嗟臅r(shí)間-造影劑濃度曲線無(wú)法反映其真實(shí)形狀。且由于延遲及通過(guò)時(shí)間差異的存在，使得選取的截?cái)帱c(diǎn)無(wú)法適用于圖像中所有的像素點(diǎn)；方法2基于獨(dú)立成分分析ICA的方法。該方法利用ICA將時(shí)間-造影劑濃度分解為首次通過(guò)，二次及多次通過(guò)的組合，以及噪聲分量。其缺點(diǎn)在于需要人工的干預(yù)來(lái)確定哪一部分是首次通過(guò)分量，無(wú)法適用于自動(dòng)的計(jì)算整幅圖像像素的血容量；方法3利用gamma函數(shù)擬合時(shí)間-造影劑濃度曲線，得到其首次通過(guò)分量。該方法對(duì)圖像質(zhì)量要求較高，適用于血容量較大、信噪比較高的圖像區(qū)域。缺點(diǎn)在于在血容量較低的區(qū)域，信噪比降低，擬合誤差較大。


發(fā)明內(nèi)容
要解決的技術(shù)問(wèn)題 為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，提出一種用于磁共振灌注成像圖像中重建時(shí)間-造影劑濃度曲線中首次通過(guò)分量的方法，并與造影劑滲漏效應(yīng)矯正算法相結(jié)合，以達(dá)到有效抑制rCBV量化中的誤差的目的。
本發(fā)明的思想在于血液循環(huán)將會(huì)在時(shí)間-造影劑濃度曲線中形成多峰，傳統(tǒng)的動(dòng)脈輸入函數(shù)為單峰的gamma函數(shù)。時(shí)間-造影劑濃度曲線與動(dòng)脈輸入函數(shù)做去卷積運(yùn)算后，得到的殘余函數(shù)中存在多峰。不同與傳統(tǒng)的動(dòng)脈輸入函數(shù)選取方法，本發(fā)明在磁共振灌注成像圖像中顱內(nèi)主中央動(dòng)脈選取具有典型雙峰形狀的動(dòng)脈輸入函數(shù)。將造影劑濃度時(shí)間序列信號(hào)與動(dòng)脈輸入函數(shù)做去卷積運(yùn)算，得到具有近似單峰形狀的殘余函數(shù)。利用gamma函數(shù)擬合所選取的動(dòng)脈輸入函數(shù)，得到動(dòng)脈輸入函數(shù)的首次通過(guò)。將擬合得到的動(dòng)脈輸入函數(shù)的首次通過(guò)與殘余函數(shù)做卷積運(yùn)算，從而重建出初始時(shí)間-顯影劑濃度曲線中的首次通過(guò)分量。利用重建的首次分量來(lái)量化血容量，抑制量化誤差。同時(shí)，造影劑泄漏效應(yīng)在腦腫瘤磁共振灌注成像中一個(gè)不可避免的因素，而造影劑滲漏將在顱內(nèi)組織中帶來(lái)附加的順次效應(yīng)，帶來(lái)血容量的過(guò)估計(jì)。本發(fā)明將上述首次通過(guò)重建算法與造影劑滲漏效應(yīng)矯正算法相結(jié)合，進(jìn)一步抑制磁共振灌注成像圖像中的處理中血容量量化誤差。
技術(shù)方案 一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，其特征在于步驟如下 步驟1根據(jù)將圖像中三維像素的時(shí)間-灰度信號(hào)曲線轉(zhuǎn)換為時(shí)間-造影劑濃度曲線，其中(x，y，z)為三維像素在圖像矩陣中的索引值，C(x，y，z，t)為索引值(x，y，z)處三維像素的時(shí)間-造影劑濃度曲線，TE為磁共振灌注成像圖像的回波時(shí)間，S(x，y，z，t)為索引值(x，y，z)處三維像素的時(shí)間-灰度信號(hào)曲線，S0(x，y，z)為造影劑到達(dá)之前索引值(x，y，z)處三維像素的基準(zhǔn)灰度值，ln(·)為對(duì)數(shù)運(yùn)算符；所述的基準(zhǔn)灰度值為該像素時(shí)間-灰度信號(hào)曲線中造影劑達(dá)到之前的時(shí)間點(diǎn)的均值； 步驟2根據(jù)造影劑滲漏效應(yīng)矯正算法，矯正三維像素的時(shí)間-造影劑濃度曲線中因造影劑滲漏效應(yīng)帶來(lái)的附加順磁效應(yīng)，得到矯正后的時(shí)間-造影劑濃度曲線Ccorr(t)； 步驟3在圖像中腦主中央動(dòng)脈鄰域選取一個(gè)像素，將該像素的時(shí)間-造影劑濃度曲線作為動(dòng)脈輸入函數(shù)f(t)；所述選取像素的時(shí)間-造影劑濃度曲線具有典型雙峰形狀； 步驟4采用標(biāo)準(zhǔn)奇異值分解算法，以步驟3得到的f(t)為輸入函數(shù)，對(duì)步驟2得到的Ccorr(t)做去卷積運(yùn)算，得到殘余函數(shù)R(t)； 步驟5采用gamma函數(shù)以非線性最小二乘算法擬合步驟3中得到的動(dòng)脈輸入函數(shù)f(t)，得到f(t)的首次通過(guò)f1(t)； 步驟6將步驟5中得到的f1(t)與步驟4中得到的R(t)做卷積運(yùn)算以重建步驟2中的Ccorr(t)的首次通過(guò)分量C1(t)； 步驟7根據(jù)利用步驟6中得到的C1(t)來(lái)量化該像素點(diǎn)處的局部血容量rCBV，其中rCBV為局部血容量，t0為造影劑到達(dá)時(shí)刻，τ為積分常數(shù)。
步驟2中的造影劑泄漏效應(yīng)校正算法采用文獻(xiàn)“Boxerman，J.L.，K.M.Schmainda，and R.M.Weisskoff，Relative cerebral blood volume maps corrected for contrastagent extravasation significantly correlate with glioma tumor grade，whereasuncorrected maps do not.AJNR Am J Neuroradiol，2006.27(4)p.859-67.”中公布的算法。
有益效果 本發(fā)明提出的一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，首先，隨著磁共振成像設(shè)備的不斷更新，獲取的灌注成像數(shù)據(jù)的信噪比越來(lái)越高。信噪比的提高有效的提高去卷積運(yùn)算的精度，從而提高重建時(shí)間-造影劑濃度曲線的首次通過(guò)分量的精度。其次，動(dòng)脈輸入函數(shù)與普通像素點(diǎn)的時(shí)間-造影劑濃度曲線相比，具有更高的信噪比，利用gamma函數(shù)擬合動(dòng)脈輸入函數(shù)，在準(zhǔn)確的反映動(dòng)脈輸入函數(shù)的真實(shí)形狀的同時(shí)，有效的提取其首次通過(guò)分量。最后，與造影劑滲漏效應(yīng)矯正算法相結(jié)合，更近一步抑制血容量量化誤差。
本發(fā)明相對(duì)于其它方法具有以下優(yōu)點(diǎn)1、重建的時(shí)間-造影劑濃度的首次通過(guò)更接近其真實(shí)形狀，使得rCBV的量化更加接近真實(shí)值；2、與造影劑滲漏效應(yīng)矯正算法相結(jié)合，有效的抑制rCBV的過(guò)估計(jì)。



圖1本發(fā)明方法的基本流程圖。
圖2模擬的時(shí)間-造影劑濃度曲線、其首次通過(guò)以及重建的首次通過(guò)示例。
圖3血容量的量化值與真實(shí)值之間的變化關(guān)系。
圖4兩張同一位腦膠質(zhì)細(xì)胞瘤患者手術(shù)后的兩次對(duì)比度增強(qiáng)結(jié)構(gòu)掃描的磁共振灌注成像圖。
圖5有無(wú)誤差抑制的血容量圖對(duì)比 (a)無(wú)誤差抑制的血容量圖； (b)利用本發(fā)明方法所計(jì)算的血容量圖。

具體實(shí)施例方式 現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述 本實(shí)施例中首先將灌注成像中三維像素的時(shí)間-灰度曲線轉(zhuǎn)換為時(shí)間-造影劑濃度曲線。然后，利用造影劑滲漏矯正算法去除時(shí)間-造影劑濃度曲線中的造影劑滲漏效應(yīng)。其次，在顱內(nèi)主中央動(dòng)脈鄰域選取具有典型雙峰形狀的動(dòng)脈輸入函數(shù)，將所得的動(dòng)脈輸入函數(shù)輸入函數(shù)，對(duì)前一步所得的時(shí)間-造影劑濃度曲線做去卷積運(yùn)算，得到具有近似單峰形狀的殘余函數(shù)。再次，利用gamma函數(shù)擬合所選取的動(dòng)脈輸入函數(shù)，得到其首次通過(guò)分量。最后，將動(dòng)脈輸入函數(shù)的首次通過(guò)與殘余函數(shù)做卷積運(yùn)算，重建出時(shí)間-造影劑濃度曲線的首次通過(guò)。利用重建的首次通過(guò)，量化rCBV。
所述的造影劑滲漏矯正算法如下。首先，在圖像中選取正常組織區(qū)域并計(jì)算區(qū)域中所有三維像素的時(shí)間-造影劑濃度曲線的均值，將其看作被試個(gè)體正常的時(shí)間-造影劑濃度曲線。其次，受造影劑滲漏效應(yīng)影響的時(shí)間-造影劑濃度曲線被建模為正常時(shí)間-造影劑濃度曲線與其在時(shí)間軸上積分的線性加權(quán)組合。最后，通過(guò)線性最小二乘估計(jì)算法計(jì)算出最優(yōu)權(quán)重，從而達(dá)到矯正時(shí)間-造影劑濃度中的造影劑滲漏效應(yīng)的目的。
所述的去卷積運(yùn)算采用標(biāo)準(zhǔn)奇異值分解sSVD算法。動(dòng)脈輸入函數(shù)的gamma函數(shù)擬合采用非線性最小二乘估計(jì)算法。
本實(shí)施例我們用C++語(yǔ)言實(shí)現(xiàn)了一個(gè)原型系統(tǒng)。圖像數(shù)據(jù)的來(lái)源為接受放射療法的腦膠質(zhì)細(xì)胞瘤病人的磁共振灌注成像。成像方式為梯度回波(gradient-echo)平面回波(echo planar)掃描。重復(fù)時(shí)間TR＝2000ms，回波時(shí)間TE＝90ms。
本發(fā)明整個(gè)流程可以參考附圖1，具體的實(shí)施步驟如下 1.時(shí)間-灰度信號(hào)曲線——時(shí)間-造影劑濃度曲線轉(zhuǎn)換 時(shí)間-灰度信號(hào)曲線到時(shí)間-造影劑濃度曲線的轉(zhuǎn)換根據(jù)以下公式進(jìn)行 式中(x，y，z)為某三維像素在圖像矩陣中的索引值；C(x，y，z，t)為(x，y，z)處三維像素的時(shí)間-造影劑濃度曲線；TE為回波時(shí)間；S(x，y，z，t)為(x，y，z)處三維像素的時(shí)間-灰度信號(hào)曲線；S0(x，y，z)為造影劑到達(dá)之前(x，y，z)處像素的基準(zhǔn)灰度值，計(jì)算中取該像素時(shí)間-灰度信號(hào)曲線中造影劑達(dá)到之前的時(shí)間點(diǎn)的均值；ln(·)為對(duì)數(shù)運(yùn)算符。
2.造影劑滲漏效應(yīng)矯正 受造影劑滲漏效應(yīng)影響的時(shí)間-造影劑濃度曲線被建模為正常時(shí)間-造影劑濃度曲線與其在時(shí)間軸上積分的加權(quán)線性組合，如式(2)所示 式中(x，y，z)為三維像素在圖像矩陣中的索引；Ceff(x，y，z，t)為該像素處受造影劑滲漏效應(yīng)影響的時(shí)間-造影劑濃度曲線，根據(jù)式(1)計(jì)算得到；K1(x，y，z)和K2(x，y，z)為加權(quán)系數(shù)；τ為積分常數(shù)；Cnor(t)反映了該被試個(gè)體磁共振灌注成像中不受造影劑滲漏效應(yīng)影響像素的時(shí)間-造影劑濃度曲線的形狀，計(jì)算中，Cnor(t)為該被試個(gè)體顱內(nèi)不受腫瘤病變影響的正常區(qū)域像素的時(shí)間-造影劑濃度曲線的均值。式(2)中，Ceff(x，y，z，t)及Cnor(t)為已知變量，K1(x，y，z)和K2(x，y，z)為未知變量。利用線性最小二乘估計(jì)方法計(jì)算出K1(x，y，z)和K2(x，y，z)的最優(yōu)解，進(jìn)而該像素處受造影劑滲漏效應(yīng)影響的時(shí)間-造影劑濃度曲線可被矯正為 式中Ccorr(x，y，z，t)為矯正后的時(shí)間-造影劑濃度曲線。Ceff(x，y，z，t)為該像素處受造影劑滲漏效應(yīng)影響的時(shí)間-造影劑濃度曲線；K2(x，y，z)為前述步驟中加權(quán)系數(shù)的最優(yōu)解；τ為積分常數(shù)；Cnor(t)為該被試個(gè)體顱內(nèi)不受腫瘤病變影響的正常區(qū)域像素的時(shí)間-造影劑濃度曲線的均值。
3.求取殘余函數(shù)的去卷積方法 顱內(nèi)組織的血液動(dòng)力學(xué)模型為 式中Ccorr(t)為矯正后的時(shí)間-造影劑濃度曲線；CBF為血流量參數(shù)；R(t)為殘余函數(shù)；

為卷積運(yùn)算符；Ca(t)為動(dòng)脈輸入函數(shù)。計(jì)算中，在顱內(nèi)主中央動(dòng)脈鄰域選取具有典型雙峰形狀的時(shí)間-造影劑濃度曲線作為動(dòng)脈輸入函數(shù)。
將式(4)改寫為矩陣形式 式(5)中t0為造影劑到達(dá)時(shí)刻；N為時(shí)間-造影劑濃度曲線的總長(zhǎng)度； 式(5)可簡(jiǎn)寫為矩陣形式 c＝CBF·A·r (6) 式(6)中c為時(shí)間-造影劑濃度序列；A為動(dòng)脈輸入函數(shù)矩陣；r為殘余函數(shù)序列。r可表達(dá)為 CBF·r＝A-1·c(7) 我們采用標(biāo)準(zhǔn)奇異值分解(sSVD)算法求取A-1。首先利用奇異值分解算法將A分解為 A＝U·S·VT(8) 則 4.動(dòng)脈輸入函數(shù)的gamma函數(shù)擬合 動(dòng)脈輸入函數(shù)的首次通過(guò)的形狀近似為gamma函數(shù)，可表達(dá)為 式(10)中t0為造影劑到達(dá)時(shí)刻；Ca1st(t)為動(dòng)脈輸入函數(shù)序列的首次通過(guò)；C0，a和b為gamma函數(shù)的參數(shù)，決定了gamma函數(shù)的形狀。利用最小二乘算法求得C0，a和b的最優(yōu)解，即可得到動(dòng)脈輸入函數(shù)的首次通過(guò)Ca1st(t)。
5.重建時(shí)間-造影劑濃度序列的首次通過(guò) 在求得殘余函數(shù)R(t)及動(dòng)脈輸入函數(shù)的首次通過(guò)Ca1st(t)后，時(shí)間-造影劑濃度的首次通過(guò)可通過(guò)下式重建 式(11)中C1st(t)為時(shí)間-造影劑濃度的首次通過(guò)；R(t)為殘余函數(shù)。

為卷積運(yùn)算符； 最后，利用重建的時(shí)間-造影劑濃度的首次通過(guò)來(lái)量化局部血容量(rCBV) 式(12)中rCBV為局部血容量，t0為造影劑到達(dá)時(shí)刻；C1st(t)為時(shí)間-造影劑濃度的首次通過(guò)；τ為積分常數(shù)； 我們利用模擬實(shí)驗(yàn)及真是數(shù)據(jù)來(lái)測(cè)試本發(fā)明所提出的抑制磁共振灌注成像血容量量化誤差的方法。
1.模擬數(shù)據(jù) 在模擬實(shí)驗(yàn)中，首先利用gamma函數(shù)來(lái)模擬動(dòng)脈輸入函數(shù)的首次通過(guò)，如式(10)所示。參數(shù)為C0＝4.5，a＝3.0，b＝1.5，t0＝15s(秒)。利用負(fù)指數(shù)函數(shù)來(lái)模擬殘余函數(shù)其中MTT為平均通過(guò)時(shí)間，取MTT＝4s。利用式(4)模擬時(shí)間-造影劑濃度序列的首次通過(guò)C1st(t)。為了模擬時(shí)間-造影劑濃度序列中血液循環(huán)效應(yīng)，引入血液循環(huán)傳遞函數(shù)其中T0為血液循環(huán)延遲時(shí)間，Td為指數(shù)函數(shù)衰減系數(shù)。取T0＝30s，Td＝12s。帶血液循環(huán)的時(shí)間-造影劑濃度序列通過(guò)下式來(lái)模擬 由式(13)模擬的C(t)經(jīng)式(1)模擬出時(shí)間-灰度序列(取S0＝1000)。利用均值為0，方差為S0/SNR的正態(tài)分布序列來(lái)模擬真實(shí)圖像數(shù)據(jù)中的噪聲，其中SNR為信噪比。圖2給出了模擬的時(shí)間-造影劑濃度曲線、其首次通過(guò)以及我們重建的首次通過(guò)的一個(gè)示例(SNR＝100)。從圖中可以看出，用本發(fā)明方法所重建出的首次通過(guò)能夠非常準(zhǔn)確的貼近其真實(shí)形狀。圖3給出了當(dāng)模擬的CBV在
之間變化時(shí)，用本發(fā)明的方法量化的CBV與其真實(shí)值之間的變化關(guān)系。從圖中可以看出，當(dāng)CBV在0.05～0.40之間變化時(shí)，從重建的首次通過(guò)量化的CBV非常接近其真實(shí)值。
2.腦膠質(zhì)細(xì)胞瘤患者灌注成像數(shù)據(jù) 圖4給出了一個(gè)腦膠質(zhì)細(xì)胞瘤患者在接受放射療法過(guò)程中的兩次對(duì)比度增強(qiáng)結(jié)構(gòu)掃描。其中，上一行屬于第一次掃描，下一行屬于第二次掃描，時(shí)間間隔為2個(gè)月。從圖中可以看出，高亮區(qū)域的面積呈顯著減小趨勢(shì)，表明病灶區(qū)域沒(méi)有呈現(xiàn)出復(fù)發(fā)或惡化。然而，由于造影劑滲漏及血液循化的影響，采用現(xiàn)有技術(shù)計(jì)算出的血容量圖中病灶區(qū)域(圖5a白色方框區(qū)域)的血容量要遠(yuǎn)高于其對(duì)側(cè)區(qū)域(圖5a黑色方框區(qū)域)的血容量值，暗示著病灶區(qū)域的復(fù)發(fā)或惡化，與前述結(jié)論相悖。
利用本發(fā)明中所述的抑制誤差算法計(jì)算出的血容量圖如圖5b所示。圖5b中，病灶區(qū)域(圖5b白色方框區(qū)域)的血容量略小于其對(duì)側(cè)區(qū)域(圖5b黑色方框區(qū)域)的血容量圖，暗示著病灶區(qū)域并不存在復(fù)發(fā)或者惡化，與根據(jù)對(duì)比度增強(qiáng)結(jié)構(gòu)掃描得出的結(jié)論相符。腦膠質(zhì)細(xì)胞瘤患者數(shù)據(jù)的試驗(yàn)結(jié)果表明，本發(fā)明所述的抑制磁共振灌注成像血流量量化誤差的方法，能有效的減少治療效果評(píng)價(jià)及預(yù)后過(guò)程中的誤檢。
權(quán)利要求
1.一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，其特征在于步驟如下
步驟1根據(jù)將圖像中三維像素的時(shí)間-灰度信號(hào)曲線轉(zhuǎn)換為時(shí)間-造影劑濃度曲線，其中(x，y，z)為三維像素在圖像矩陣中的索引值，C(x，y，z，t)為索引值(x，y，z)處三維像素的時(shí)間-造影劑濃度曲線，TE為磁共振灌注成像圖像的回波時(shí)間，S(x，y，z，t)為索引值(x，y，z)處三維像素的時(shí)間-灰度信號(hào)曲線，S0(x，y，z)為造影劑到達(dá)之前索引值(x，y，z)處三維像素的基準(zhǔn)灰度值，ln(·)為對(duì)數(shù)運(yùn)算符；所述的基準(zhǔn)灰度值為該像素時(shí)間-灰度信號(hào)曲線中造影劑達(dá)到之前的時(shí)間點(diǎn)的均值；
步驟2根據(jù)造影劑滲漏效應(yīng)矯正算法，矯正三維像素的時(shí)間-造影劑濃度曲線中因造影劑滲漏效應(yīng)帶來(lái)的附加順磁效應(yīng)，得到矯正后的時(shí)間-造影劑濃度曲線Ccorr(t)；
步驟3在圖像中腦主中央動(dòng)脈鄰域選取一個(gè)像素，將該像素的時(shí)間-造影劑濃度曲線作為動(dòng)脈輸入函數(shù)f(t)；所述選取像素的時(shí)間-造影劑濃度曲線具有典型雙峰形狀；
步驟4采用標(biāo)準(zhǔn)奇異值分解算法，以步驟3得到的f(t)為輸入函數(shù)，對(duì)步驟2得到的Ccorr(t)做去卷積運(yùn)算，得到殘余函數(shù)R(t)；
步驟5采用gamma函數(shù)以非線性最小二乘算法擬合步驟3中得到的動(dòng)脈輸入函數(shù)f(t)，得到f(t)的首次通過(guò)f1(t)；
步驟6將步驟5中得到的f1(t)與步驟4中得到的R(t)做卷積運(yùn)算以重建步驟2中的Ccorr(t)的首次通過(guò)分量C1(t)；
步驟7根據(jù)，利用步驟6中得到的C1(t)來(lái)量化該像素點(diǎn)處的局部血容量rCBV，其中rCBV為局部血容量，t0為造影劑到達(dá)時(shí)刻，τ為積分常數(shù)。
2.根據(jù)權(quán)利要求1所述的優(yōu)化的磁共振灌注成像圖像中血容量量化方法，其特征在于步驟2中的造影劑泄漏效應(yīng)校正算法采用文獻(xiàn)“Boxerman，J.L.，K.M.Schmainda，and R.M.Weisskoff，Relative cerebral blood volume mapscorrected for contrast agent extravasation significantly correlate withglioma tumor grade，whereas uncorrected maps do not.AJNR Am J Neuroradiol，2006.27(4)p.859-67.”中公布的算法。
全文摘要
本發(fā)明涉及一種優(yōu)化的磁共振灌注成像圖像中血容量量化方法，技術(shù)特征在于在磁共振灌注成像圖像的顱內(nèi)主中央動(dòng)脈選取具有典型雙峰形狀的動(dòng)脈輸入函數(shù)。將造影劑濃度時(shí)間序列信號(hào)與動(dòng)脈輸入函數(shù)做去卷積運(yùn)算，得到具有近似單峰形狀的殘余函數(shù)。利用gamma函數(shù)擬合所選取的動(dòng)脈輸入函數(shù)，得到動(dòng)脈輸入函數(shù)的首次通過(guò)。將擬合得到的動(dòng)脈輸入函數(shù)的首次通過(guò)與殘余函數(shù)做卷積運(yùn)算，從而重建出初始時(shí)間-顯影劑濃度曲線中的首次通過(guò)分量。利用重建的首次分量來(lái)量化血容量，抑制量化誤差。本發(fā)明將上述首次通過(guò)重建算法與造影劑滲漏效應(yīng)矯正算法相結(jié)合，進(jìn)一步抑制血容量量化誤差。
文檔編號(hào)G01R33/56GK101718848SQ200910219490
公開日2010年6月2日 申請(qǐng)日期2009年12月14日 優(yōu)先權(quán)日2009年12月14日
發(fā)明者郭雷, 胡新韜, 張拓, 聶晶鑫, 李剛, 劉天明, 李凱明 申請(qǐng)人:西北工業(yè)大學(xué)