一種在低輻射劑量下進(jìn)行血流參數(shù)圖像的輸出方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的利用計算機(jī)實現(xiàn)醫(yī)療方法技術(shù)領(lǐng)域，具體涉及一種在降低現(xiàn)有輻射 劑量至1/10的情況下獲得同樣高質(zhì)量血流動態(tài)參數(shù)圖像的方法。
【背景技術(shù)】
[0002] CT灌注是解決腦血管疾病，尤其是腦卒中病人最常使用的醫(yī)學(xué)影像方法用于診斷 和治療手段，然而現(xiàn)有技術(shù)中為了獲得血流動態(tài)信息而進(jìn)行連續(xù)大腦CT影像的采樣，該采 樣時，使用CTP在內(nèi)的腦卒中影像方案的輻射劑量相當(dāng)于普通的胸腔X掃描或者靜態(tài)的大 腦、腹腔CT的輻射劑量8-9倍。腦卒中病人需要多次掃描CTP，積累的輻射劑量會破壞健康 的細(xì)胞，增高癌癥的風(fēng)險。
[0003] 降低CT灌注的輻射劑量的研宄從2000年開始受到關(guān)注。降低輻射劑量可以采用 降低管電流、管電壓、采樣頻率等采樣方式上的改進(jìn)，而其中降低管電流是最直接有效和常 用的降低輻射劑量的方法，因為管電流與輻射劑量成正比，然而降低管電流也會無法避免 地增加數(shù)據(jù)中的噪音和偽影，降低圖像的質(zhì)量。
[0004] CT灌注中從影像設(shè)備中獲得的sinogram到計算得到血流動態(tài)參數(shù)圖像有兩個基 本步驟。第一步：從sinogram到CT圖像的重建；第二步：從CT重建圖像序列到血流參數(shù) 圖像的計算，即反卷積的過程。
[0005] 為了減少血流動態(tài)圖像中的噪聲和偽影，提高血流參數(shù)的準(zhǔn)確定，最初的方法 是包括降低主要采用空間和時間維度上的濾波，提高掃描層厚度，但是會以降低空間分 辨率為代價。近幾年空間濾波的算法得到了廣泛的使用，包括低頻濾波器，邊緣保持濾 波器（edge-preservingfilters)，如各向異性過濾（anisotropicdiffusion)(Saito etal. 2008)、雙邊濾波器（bilateralfiltering)(Mendriketal. 2011)，非本地平均 (non-localmeans)(Maetal. 2012),總變差約束（totalvariationregularization) (Tianetal.2011)，時空濾波，如高約束背投（HYPR)、多頻帶濾波（MBF)等方法，可以用于 降低從sinogram中重建的時空序列CT灌注圖像中的噪音和偽影。然而僅僅降低重建圖像 的噪音并無法從原理上解決穩(wěn)定計算血流動態(tài)參數(shù)圖像的問題。
[0006] 從CTP的時空序列中計算血流參數(shù)圖像的過程，最廣泛使用的的方法是反卷積 (deconvolution)。然而反卷積是一個圖像中的不適定問題，即不存在唯一并且穩(wěn)定的解， 而低輻射劑量采集得到的時空序列影像中通過反卷積計算得到的動態(tài)血流參數(shù)圖像特別 不穩(wěn)定和不準(zhǔn)確。模型獨(dú)立的反卷積方法是可以對不同的血管形態(tài)比較準(zhǔn)確地計算，尤 其是特征值分解法（SingularValueDecomposition,SVD)(0stergaa；rd，WeisskofT，et al. 1996 ;0stergaard，Sorensen，etal. 1996)以及它的延伸，如循環(huán)特征值分解 (block-circulantSVD)(Wuetal. 2003)。然而這些方法都是針對每一個體素（voxel)獨(dú) 立計算，因此不穩(wěn)定性較強(qiáng)，計算誤差比較大，無法有效地利用圖像的上下文信息來提供更 穩(wěn)定的血流參數(shù)。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提供一種在低輻射劑量下進(jìn)行血流參數(shù)圖像的輸出方法，同時有 效地使用腦卒中病人本身的高質(zhì)量非對比CT圖像和血管造影，以及其他病人的高質(zhì)量血 流動態(tài)學(xué)參數(shù)圖像，提高低輻射劑量下CT灌注中的血流動態(tài)參數(shù)計算，有效地降低傳統(tǒng)高 輻射劑量的CT灌注影響模態(tài)所存在的癌癥風(fēng)險，以克服現(xiàn)有技術(shù)存在的上述不足。
[0008] 本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種在低輻射劑量下進(jìn)行血流參數(shù) 圖像的輸出方法，包括如下步驟：
[0009] S1，在低輻射劑量下獲取的CT腦卒中影像數(shù)據(jù)；
[0010] S2,對所述CT腦卒中影像數(shù)據(jù)進(jìn)行預(yù)處理；
[0011] S3,獲取預(yù)處理后的CT腦卒中影像數(shù)據(jù)中影像特征；
[0012] S5,在醫(yī)療大數(shù)據(jù)庫中，對所述影像特征進(jìn)行匹配，得到匹配結(jié)果；
[0013] S6,根據(jù)所述匹配結(jié)果，輸出血流參數(shù)圖像。
[0014] 優(yōu)選的，S1中，所述CT腦卒中影像數(shù)據(jù)包括顯影CT灌注影像前后的靜態(tài)非對比 CT、CT血管造影和CT灌注圖像序列。
[0015] 優(yōu)選的，S2,對所述CT腦卒中影像數(shù)據(jù)進(jìn)行預(yù)處理的方法包括圖像配準(zhǔn)、基準(zhǔn)靜 態(tài)圖像計算、動態(tài)圖像計算、大腦Mask計算、空間濾波、時間濾波、組織分割、非大腦組織剝 離、采樣頻率插值、紅細(xì)胞比容矯正、動脈和靜脈位置選取、部分體積效應(yīng)矯正和時間點(diǎn)截 取。
[0016] 優(yōu)選的，S3,預(yù)處理后的CT腦卒中影像數(shù)據(jù)包括為靜態(tài)CT、血管造影和灌注圖像； 所述影像特征包括組織結(jié)構(gòu)、血管結(jié)構(gòu)和血流動態(tài)信息。
[0017] 優(yōu)選的，所述組織結(jié)構(gòu)為所述靜態(tài)CT中提取的解剖學(xué)結(jié)構(gòu)信息；所述血管結(jié)構(gòu)為 所述血管造影中提取血管的結(jié)構(gòu)和位置；所述血流動態(tài)信息為所述灌注圖像提取的每一個 體素中的血流動態(tài)曲線。
[0018] 優(yōu)選的，在醫(yī)療大數(shù)據(jù)庫中，對所述影像特征進(jìn)行匹配具體為：
[0019] 根據(jù)所述影像特征在醫(yī)療大數(shù)據(jù)庫中獲取CTP圖像；
[0020] 在CTP圖像中提取與所述影像特征中相同的組織結(jié)構(gòu)，作為第一血流參數(shù)；在CTP圖像中提取與所述影像特征中相同的血管結(jié)構(gòu)，作為第二血流參數(shù)；在CTP圖像中提取與 所述影像特征中相同的血流動態(tài)信息，作為第三血流參數(shù)；
[0021] 將所述第一血流參數(shù)、第二血流參數(shù)、第三血流參數(shù)結(jié)合，得到匹配結(jié)果。
[0022] CTP:ComputedTomographyPerfusion電子計算機(jī)斷層掃描灌注
[0023] 反卷積：卷積的逆過程，消除先前濾波作用的處理方法。
[0024] 本發(fā)明的有益效果為：
[0025] 本發(fā)明通過學(xué)習(xí)醫(yī)院和醫(yī)療中心現(xiàn)有的大量高輻射劑量數(shù)據(jù)和病人在腦卒中掃 描方案中的無對比顯影CT圖像和CT血管造影的醫(yī)學(xué)圖像中的結(jié)構(gòu)信息，來提高新采集的 低輻射劑量CTP數(shù)據(jù)中，并通過計算得到血流動態(tài)圖像的準(zhǔn)確度和圖像質(zhì)量。有效利用互 補(bǔ)的多模態(tài)醫(yī)學(xué)數(shù)據(jù)：將病人本身的多種醫(yī)學(xué)影像模態(tài)數(shù)據(jù)和已有數(shù)據(jù)中的其他病人的醫(yī) 學(xué)影像數(shù)據(jù)中的信息互補(bǔ)結(jié)合，更好的綜合利用多種數(shù)據(jù)形態(tài)和不同病人的信息。通過本 發(fā)明大幅度降低CT灌注醫(yī)學(xué)影像中病人接受的X射線輻射劑量，提高醫(yī)療的安全性和CT 用于急性腦卒中的使用價值。
【附圖說明】
[0026] 圖1為本發(fā)明的流程示意圖。
【具體實施方式】
[0027] 現(xiàn)有技術(shù)中，最接近本發(fā)明的技術(shù)方案為：a.基于學(xué)習(xí)高劑量血流動態(tài)學(xué)參數(shù)圖 像的稀疏反卷積法（Fangetal. 2013)。此方法主要通過字典學(xué)習(xí)和稀疏編碼的方法，從 大量高輻射劑量、高質(zhì)量的血流動態(tài)學(xué)參數(shù)圖中學(xué)習(xí)具有特征性的字典，然后使用稀疏編 碼的方法來重建低輻射劑量中的圖像片段。Gai方法使用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的方法，從 現(xiàn)有的醫(yī)學(xué)圖像中學(xué)習(xí)結(jié)構(gòu)信息，用于降低CTP的輻射劑量