(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211250171.0 (22)申请日 2022.10.13 (71)申请人 佛山科学技术学院 地址 528200 广东省佛山市南海区狮山 镇 广云路33号 (72)发明人 黄峰　尹博　徐硕瑀　罗子芮　 谢韶东　骆志强　黄文柱　陈仰新　 华夏　陶旭泓　熊丹宇　梁桂林　 黎志豪　王安涛　谢航　江焕然　 吴梦瑶　李宇彤　 (74)专利代理 机构 广州专理知识产权代理事务 所(普通合伙) 44493 专利代理师 邓易偲 (51)Int.Cl. G06T 7/00(2017.01)G06T 5/50(2006.01) G06T 7/33(2017.01) G06T 11/00(2006.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 一种脑卒中CT和MRI影像征象定量评估 方法 及系统 (57)摘要 本发明涉及图像处理技术领域， 具体公开了 一种脑卒中CT和MRI影像征象定量评估方法， 结 合CT图像的组织密度影征象和MRI图像的模糊效 应特征， 通过检测不同急性周期 对应的脑部CT图 像的豆状核轮廓并计算豆状核区灰质聚合曲线； 并根据脑部MRI图像计算得到对应模糊效应拟合 曲线， 结合豆状核区灰质聚合曲线计算得到脑组 织软化指数， 能够从海量的脑 卒中数据集的大数 据中快速的筛选出灰白质信号指标、 病灶清晰度 和图像分辨率与患者最相似的脑 卒中数据图像； 可有效避免了由于CT存在骨伪影和MRI 分辨率较 低导致成像噪声误差干扰医护人员临床诊断结 果的不足， 作为监测脑卒中患者临床判断的重要 指标和评估标准。 权利要求书3页 说明书10页 附图1页 CN 115330775 A 2022.11.11 CN 115330775 A 1.一种脑卒中CT和MRI影 像征象定量评估方法， 其特 征在于， 所述方法包括以下步骤： S100， 获取不同急性周期对应的脑部 CT图像和脑部 MRI图像； S200， 获得不同急性周期对应的脑部CT图像的豆状核轮廓， 并计算豆状核区灰质聚合 曲线； S300， 根据不同急性周期对应的脑部 MRI图像计算得到模糊效应拟合曲线； S400， 结合豆状核区灰质聚合曲线和模糊效应拟合曲线计算得到脑组织软化指数； S500， 当脑组织软化指数大于或等于阈值时， 从脑卒中数据集中筛选得到和当前的脑 部CT图像或脑部 MRI图像的相似度最高的脑部 CT图像或脑部 MRI图像。 2.根据权利要求1所述的一种脑卒中CT和MRI影像征象定量评估方法， 其特征在于， 在 S100中， 利用计算机断层扫描仪获取不同急性周期对应的脑部CT图像和核磁共振仪获得不 同急性周期对应的脑部MRI图像； 其中脑部MRI图像包括T1加权成像记作T1WI、 T2加权成像 记作T2WI、 磁共振弥散加权成像记作DWI以及液体 反转恢复成像记作FLAIR； 其中， 不同急性 周期是根据 脑卒中发病时间之后的时间段划分的周期， i值表示为 急性周期序号， 以6h作为 一个急性周期的时间间隔， 按i值 从小到大顺序排列划分得到n个急性周期， i∈[1,  n]， n∈ [56, 120]。 3.根据权利要求1所述的一种脑卒中CT和MRI影像征象定量评估方法， 其特征在于， 在 S200中， 获得不同急性周期对应的脑部CT图像的豆状核轮廓， 并计算豆状核 区灰质聚合曲 线的方法为： S201， 将不同急性周期对应的脑部CT图像进行图像配准处理， 得到特征点匹配的CT配 准图像， 根据急性周期对应的时间段按时间顺序构成CT配准图像集合， 以i为CT配准图像的 序号， 记multiCT(x,y,i)为CT配准图像集合中第i个急性周期对应的CT配准图像在像素坐 标为(x,y)上的灰度值； 其中， 设CT配准图像将各像素按矩阵M ×N大小排列， x∈[1,M]， y∈ [1,N]， i∈[1,  n]； S202， 遍历i值的取值范围， 叠加所述CT配准图像集合中的所有CT配准图像得到重合CT 配准图像， 并计算所述CT配准图像集合中所有CT配准图像在各个像素坐标的灰度值对应的 算术平均值得到平均CT配准图像； 将 重合CT配准图像与 平均CT配准图像在各个对应的像素 坐标上的灰度值分别作差得到 CT差值图像； S203， 利用边缘检测算法检测CT差值 图像， 获得距离图像边界最远或长度大于所有边 缘线的一条边缘线， 或者， 获取各个边缘线所构成的区域中面积最大 的区域所对应的边缘 线， 记为豆状核轮廓边缘线； 将豆状核轮廓边缘线 所构成的闭合区域记作豆状核区域， 提取 所述CT配准图像集合中各个CT配准图像对应豆状核区域内的像素点， 按照预设顺序存入豆 状核区灰质结构矩阵集合， 记multiLN(i,  j)表示为豆状核区灰质结构矩阵集合中第i个急 性周期对应的CT配准图像在豆状核区域内的第j个灰度值； 其中， j∈[1,  Num]， Num为豆状 核区域内的像素点个数； S204， 由豆状核区灰质结构矩阵集合计算得到随着 急性周期变化的豆状核区灰质聚合 曲线， 计算豆状核区灰质聚合值LNcurve(i)构成豆状核区灰质聚合曲线， 豆状核区灰质聚 合值的计算公式为：权　利　要　求　书 1/3 页 2 CN 115330775 A 2 ； ； ； 其中， LNcurve(i)表示为豆状核区灰质聚合曲线上第i个豆状核区灰质聚合值； LNρ(j) 为豆状核区灰质结构矩阵集合内对应的第 j个灰质结构倾向度， meanLN(i)为豆状核区灰质 结构矩阵集合中第i个急性周期对应的CT配准图像在豆状核区域内的平均灰度值； max[LNρ (j)]表示 为遍历j取值范围计算 LNρ(j)的绝对值中的最大值。 4.根据权利要求3所述的一种脑卒中CT和MRI影像征象定量评估方法， 其特征在于， 在 S300中， 根据不同急性周期对应的脑部 MRI图像计算得到模糊效应拟合曲线的方法为： S301， 遍历i值取值范围， 将第i个急性周期对应 的T1加权成像、 T2加权成像、 磁共振弥 散加权成像和液体反转恢复成像分别记作T1W I(i)、 T2W I(i)、 DWI(i) 和FLAIR(i)； S302， 遍历T1WI(i)、 T2WI(i)、 DWI(i)和FLAIR(i)的各个像素点在i值取值范围内进行 累加求均值， 并由各个像素点对应的均值构成平均图像， 分别记作aveT1WI、 aveT2WI、 aveDWI和aveFLAIR； 分别 对aveT1WI、 aveT2WI、 aveDWI和aveFLAIR进行归一化处理， 并利用 OTSU阈值 分割算法分别获得对应的非脑组织区域阈值， 分别将aveT1WI、 aveT2WI、 aveDWI和 aveFLAIR上数值大于或等于对应的非脑组织区域阈值的各个像素点标记 为脑组织点， 其余 的像素点标记为非脑组织点； 并根据脑组织点利用边界膨胀 处理、 边缘检测 算法提取出对 应的脑组织轮廓线， 其脑组织轮廓线所构成的闭合区域记作对应的脑组织区域； S303， 分别对T1WI、 T2WI、 DWI和FLAIR对应的脑组织区域内进行图像增强处理， 并利用 模糊C均值聚类算法将图像划分得到对应的灰白质子区域以及脑脊液子区域； S304， 遍历i值取值范围， 分别计算T1WI(i)、 T2WI(i)、 DWI(i)以及FLAIR(i)对应的灰白 质子区域内所有像素点对应的灰度值的算术平均值， 分别记作T1(i)、 T2(i)、 Dwg(i)、 以及 Fwg(i)； 利用最小二乘法分别对T1(i)、 T2(i)、 Dwg(i)、 以及Fwg(i)进行拟合， 分别获得 T1WI、 T2WI、 DWI和FLAIR对应的模糊效应拟合曲线， 分别记作T1fitting(i)、 T2fitting(i)、 Dwgfitting(i)、 以及Fwgfit ting(i)。 5.根据权利要求4所述的一种脑卒中CT和MRI影像征象定量评估方法， 其特征在于， 在 S300中， 结合豆状核区灰质聚合曲线和模糊效应拟合曲线计算得到脑组织软化指数的方法 为： S401， 根据豆状核区灰质聚合曲线和不同的模糊效应拟合曲线计算得到对应的脑 组织 模糊液化曲线， 其计算公式为： ；权　利　要　求　书 2/3 页 3 CN 115330775 A 3