一种基于CTP图像的梗死假阳滤除方法
文献发布时间:2023-06-19 11:35:49
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种基于CTP图像的梗死假阳滤除方法。
背景技术
CTP脑灌注成像作为卒中诊治流程中一个非常重要的影像工具,能准确反映脑血流灌注情况,是早期诊断脑梗死、指导急诊溶栓治疗和判断预后的有效手段。通过对CTP图像进行自动化图像处理以确定梗死核位置,为医生提供诊断依据,能够有效节省急诊流程的时间,但在图像自动计算过程中,梗死核心区域容易受到脑室、脑沟等区域的影响,导致部分脑室或脑沟区域被当作梗死核,从而出现假阳,影响诊断的准确率。
发明内容
为解决上述问题,本发明提供了一种基于CTP图像的梗死假阳滤除方法,以精准去除CTP图像中的脑室和脑沟区域,实现梗死假阳滤除。
本发明采用以下技术方案:
一种基于CTP图像的梗死假阳滤除方法,包括如下步骤:
S1、分割出脑组织CTP图像内的完整脑室区域;
S2、根据完整脑室区域阈值得到脑沟区域阈值,并筛选出完整脑沟区域;
S3、将脑室区域和脑沟区域作为假阳滤除区域进行滤除。
进一步地,所述步骤S1具体通过以下步骤实现:
S11、输入脑组织CTP图像,利用卷积神经网络分割出初步脑室区域;
S12、计算所述初步脑室区域的CT均值,作为阈值;
S13、对所述初步脑室区域做膨胀处理,获得膨胀区域,将所述膨胀区域中低于所述阈值的区域作为脑室;
S14、根据所述阈值计算出脑室外轮廓,对所述脑室外轮廓内的非初步脑室区域进行填充,得到完整的脑室区域。
进一步地,所述卷积神经网络采用3D-Unet。
进一步地,所述脑室外轮廓的计算采用自适应阈值分割算法。
进一步地,步骤S14中所述填充是采用floodfill函数进行的。
进一步地,所述步骤S2具体通过以下步骤实现:
S21、输入脑组织CTP图像,计算得到脑组织区域外轮廓;
S22、计算步骤S14得到的完整脑室区域的CT均值,作为脑室阈值;
S23、以脑室阈值作为脑沟阈值,选取低于所述脑沟阈值的区域作为脑沟候选区域;
S24、对所述脑沟候选区域进行填充,得到完整脑沟区域。
进一步地,所述脑组织区域外轮廓的计算采用凸包算法。
进一步地,所述对脑沟候选区域进行填充是采用floodfill函数实现。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
本发明先分割出CTP图像中完整的脑室区域,然后根据脑室区域的阈值得到脑沟区域的阈值,进而筛选出完整的脑沟区域,将脑室区域和脑沟区域作为假阳滤除区域进行滤除,从而降低假阳概率,提高诊断的准确率。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,一种基于CTP图像的梗死假阳滤除方法,包括如下步骤:
S1、分割出脑组织CTP图像内的完整脑室区域;
所述步骤S1具体通过以下步骤实现:
S11、输入脑组织CTP图像,利用卷积神经网络分割出初步脑室区域;所述卷积神经网络采用3D-Unet。
S12、计算所述初步脑室区域的CT均值,作为阈值;
S13、对所述初步脑室区域做膨胀处理,获得膨胀区域,将所述膨胀区域中低于所述阈值的区域作为脑室;
S14、根据所述阈值计算出脑室外轮廓,对所述脑室外轮廓内的非初步脑室区域进行填充,得到完整的脑室区域。
所述脑室外轮廓的计算采用自适应阈值分割算法。
步骤S14中所述填充是采用floodfill函数进行的。
S2、根据完整脑室区域阈值得到脑沟区域阈值,并筛选出完整脑沟区域;
所述步骤S2具体通过以下步骤实现:
S21、输入脑组织CTP图像,计算得到脑组织区域外轮廓;所述脑组织区域外轮廓的计算采用凸包算法。
S22、计算步骤S14得到的完整脑室区域的CT均值,作为脑室阈值;
S23、以脑室阈值作为脑沟阈值,选取低于所述脑沟阈值的区域作为脑沟候选区域;
S24、对所述脑沟候选区域进行填充,得到完整脑沟区域。
所述对脑沟候选区域进行填充是采用floodfill函数实现。
S3、将脑室区域和脑沟区域作为假阳滤除区域进行滤除。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
- 一种基于CTP图像的梗死假阳滤除方法
- 一种基于CT切片的多模型假阳衰减的疾病分类方法及装置