專利名稱：一種基于神經(jīng)網(wǎng)絡(luò)模型的ct灌注醫(yī)療圖像智能融合方法
一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法技術(shù)領(lǐng)域
本發(fā)明屬于計算機(jī)與醫(yī)療交叉領(lǐng)域，特別是一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法。
背景技術(shù)：
隨著醫(yī)學(xué)圖像成像技術(shù)的不斷提高，醫(yī)學(xué)圖像融合逐漸成為圖像處理研究的熱點(diǎn)。醫(yī)學(xué)圖像配準(zhǔn)和醫(yī)學(xué)圖像融合有著密切的聯(lián)系，特別是對多模態(tài)圖像而言，圖像配準(zhǔn)是圖像融合的先決條件，必須進(jìn)行配準(zhǔn)變換，才能準(zhǔn)確實(shí)現(xiàn)準(zhǔn)確的融合。
計算機(jī)體層攝影(CT)和磁共振(MR)腦灌注成像(Perfusion Imaging)是一種用于了解腦組織血流灌注狀態(tài)的功能成像手段，現(xiàn)已列入診斷缺血性腦血管病的常規(guī)檢查方法。不同于常規(guī)解剖學(xué)成像的是，該技術(shù)在靜脈注射對比劑的同時對選定的感興趣層面進(jìn)行連續(xù)動態(tài)掃描以獲得所選層面內(nèi)各像素的時間-密度曲線(TDC)，根據(jù)指示劑稀釋原理和中心法則并通過復(fù)雜的數(shù)學(xué)模型計算得到腦血流量(CBF)、腦血流容積(CBV)、對比劑平均通過時間(MTT)和峰值時間(TTP)等一系列灌注參數(shù)。對腦組織的灌注狀態(tài)評價依賴于放射科醫(yī)生通過對上述血流動力學(xué)參數(shù)的定量分析和各腦區(qū)在各種灌注參數(shù)圖像上的表現(xiàn)來判斷腦組織缺血情況，并需結(jié) 合解剖學(xué)成像所獲取的信息來分析腦組織缺血的病變區(qū)域和病變程度信息。發(fā)明內(nèi)容
針對上述問題，本發(fā)明提出一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法。
本發(fā)明的技術(shù)方案為一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法，包括以下步驟:
步驟1，采用多種頭顱灌注參數(shù)的測試圖像和對應(yīng)的頭顱血液分布情況訓(xùn)練神經(jīng)網(wǎng)絡(luò)；
步驟2，輸入多種頭顱灌注參數(shù)的待融合圖像到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，得到頭顱灌注多參數(shù)圖像；
步驟3，按以下基于代數(shù)加權(quán)的乘積變換融合模型，將頭顱灌注多參數(shù)圖像與原始灰階圖像融合，得到需要的融合圖像，
權(quán)利要求
1.一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法，其特征是，包括以下步驟: 步驟1，采用多種頭顱灌注參數(shù)的測試圖像和對應(yīng)的頭顱血液分布情況訓(xùn)練神經(jīng)網(wǎng)絡(luò)； 步驟2，輸入多種頭顱灌注參數(shù)的待融合圖像到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，得到頭顱灌注多參數(shù)圖像； 步驟3，按以下基于代數(shù)加權(quán)的乘積變換融合模型，將頭顱灌注多參數(shù)圖像與原始灰階圖像融合，獲得同時具備病變區(qū)域紋理信息和病變程度特征信息的診斷圖像，
2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法，其特征是:所述神經(jīng)網(wǎng)絡(luò)采用Fuzzy ARTMAP神經(jīng)網(wǎng)絡(luò)。
3.根據(jù)權(quán)利要求1或2所述的基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法，其特征是:神經(jīng)網(wǎng)絡(luò)采用四種頭顱灌注參數(shù)，包括血液濃度、血流速度、平均通過時間以及血液達(dá)峰時間；對應(yīng)有四種頭顱血液分布情況，包括缺血代償期、缺血失代償期、梗死區(qū)和異常高灌注。
全文摘要
本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)模型的CT灌注醫(yī)療圖像智能融合方法，采用多種頭顱灌注參數(shù)的測試圖像和對應(yīng)的頭顱血液分布情況訓(xùn)練神經(jīng)網(wǎng)絡(luò)；輸入多種頭顱灌注參數(shù)的待融合圖像到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，得到頭顱灌注多參數(shù)圖像；按以下基于代數(shù)加權(quán)的乘積變換融合模型，將頭顱灌注多參數(shù)圖像與原始灰階圖像融合，得到需要的融合圖像。應(yīng)用本發(fā)明可以有效地綜合紋理信息和特征信息，實(shí)現(xiàn)頭顱灌注圖像信息的準(zhǔn)確直觀的表達(dá)，初步實(shí)現(xiàn)計算機(jī)輔助診斷系統(tǒng)，為最終腦血管病的預(yù)防打下堅(jiān)實(shí)的理論依據(jù)和有效的實(shí)踐基礎(chǔ)。
文檔編號G06T5/50GK103186895SQ20131012864
公開日2013年7月3日 申請日期2013年4月15日 優(yōu)先權(quán)日2013年4月15日
發(fā)明者韓洋, 孫杰, 王婷婷, 畢彤彤, 李渠, 楊頔, 張金, 郭曉婉, 陳文娟 申請人:武漢大學(xué)