(19)中华 人民共和国 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 202111193735.7 (22)申请日 2021.10.13 (71)申请人 上海市第六 人民医院 地址 200233 上海市徐汇区宜山路6 00号 (72)发明人 李跃华　魏小二　宋心雨　尚凯　 周佳　汪璇　 (74)专利代理 机构 上海恒慧知识产权代理事务 所(特殊普通 合伙) 31317 代理人 徐红银 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/70(2017.01) G06T 11/00(2006.01) G06N 20/00(2019.01) A61B 6/03(2006.01) (54)发明名称 脑部医学图像处理系统、 方法及计算机可读 存储介质 (57)摘要 本发明提供一种脑部医学图像处理系统、 方 法及计算机可读存储介质， 从在先 获得的患者在 一段时间内连续扫描获得的较低图像质量的脑 部CT灌注图像序列中， 根据不同时刻造影剂在血 管中的弥散情况确定目标时刻， 以目标时刻对应 的脑部CT灌注图像为基础， 以目标时刻的至少一 个相邻时刻对应的脑部CT灌注图像为参考， 利用 一基于机器学习的图像处理模型生成目标时刻 对应的脑部血管造影图像， 所生 成的脑部血管造 影图像具有较高的图像质量， 以满足临床对细小 血管、 病灶等结构细节观察的需求。 本发明能便 捷地获得高质量脑部血管造影图像， 又避免了再 次对患者进行CT扫描造成再次X射线辐射伤害。 权利要求书2页 说明书8页 附图3页 CN 113962949 A 2022.01.21 CN 113962949 A 1.一种脑部医学图像处 理系统， 其特 征在于， 所述系统包括： 灌注图像序列获取模块， 获取脑部CT灌注图像序列， 所述脑部CT灌注图像序列包括在 对患者注射造影剂后的一时间段内连续对患者脑部进行多次CT扫描获得的相 应多个时刻 的脑部CT灌注图像； 目标时刻确定模块， 用于从所述时间段内确定 至少一个时刻为目标时刻； 血管造影图像生成模块， 与所述灌注图像序列获取模块和目标时刻确定模块相连， 用 于利用一基于机器学习的图像处理模型， 根据所述目标时刻 对应的脑部CT灌注图像以及所 述目标时刻的至少一个相 邻时刻对应的脑部CT灌注图像， 生成所述目标时刻 对应的脑部血 管造影图像。 2.根据权利要求1所述的脑部医学图像处理系统， 其特征在于， 所述目标时刻确定模块 包括： 目标血管位置确定模块， 用于确定所述脑部 CT灌注图像中的目标 血管位置； 平均CT值计算模块， 与所述目标血管位置确定模块相连， 用于计算所述目标血管位置 对应像素的平均CT值； 目标血管彰显时刻确定模块， 与所述平均CT值计算模块相连， 用于选取所述目标血管 位置对应 像素的平均CT值 最高的时刻为目标时刻。 3.根据权利要求2所述的脑部医学图像处理系统， 其特征在于， 所述目标时刻包括动脉 期和静脉期； 所述目标 血管位置确定模块包括动脉位置确定模块和静脉位置确定模块； 所述动脉位置确定模块， 用于利用基于机器学习的动脉位置确定模型， 确定所述脑部 CT灌注图像的动脉 血管位置； 所述静脉位置确定模块， 用于利用基于机器学习的静脉位置确定模型， 确定所述脑部 CT灌注图像的静脉 血管位置； 所述目标血管彰显时刻确定模块， 用于选取所述动脉血管位置对应的像素的平均CT值 最高的时刻为动脉期， 以及选取所述静脉血管位置对应的像素的平均CT值最高的时刻为静 脉期。 4.根据权利要求2所述的脑部医学图像处理系统， 其特征在于， 所述目标血管位置确定 模块包括目标血管位置交互选取模块， 用于根据用户输入的交互指 令确定所述脑部CT灌注 图像中的目标 血管位置。 5.根据权利要求1所述的脑部医学图像处理系统， 其特征在于， 所述目标时刻确定模块 包括目标时刻交互选取模块， 用于根据用户输入的交互指 令从所述时间段内确定至少一个 时刻为目标时刻； 所述目标时刻交 互选取模块包括： 时间密度曲线获取模块， 根据所述目标血管位置对应像素的平均CT值， 得到所述目标 血管位置的时间密度曲线并于交 互界面上显示； 目标时刻交互确定模块， 响应于用户在交互界面所显示的时间密度曲线上选择的时 刻， 确定目标时刻。 6.根据权利要求1所述的脑部医学图像处理系统， 其特征在于， 所述基于机器学习的图 像处理模型配置为： 接收所述目标时刻对应的脑部 CT灌注图像作为基础图像； 接收所述目标时刻的至少一个相邻时刻对应的脑部 CT灌注图像作为 参考图像；权　利　要　求　书 1/2 页 2 CN 113962949 A 2根据所述基础图像和所述 参考图像， 生成所述目标时刻对应的脑部血 管造影图像。 7.根据权利要求6所述的脑部医学图像处理系统， 其特征在于， 所述基于机器学习的图 像处理模型的获得 方法包括： 构建一生成式对抗网络模型， 所述生成式对抗网络模型包括一生成模型和一判别模 型； 获得多组训练数据， 每一组训练数据包括基础图像、 参考图像和目标图像； 所述基础图 像和参考图像分别为： 从对一患者注射造影剂后的一时间段内连续对患者脑部进 行多次第 一辐射剂量率的CT扫描获得的相应多个时刻的脑部CT灌注图像中， 选取特定血管位置彰显 时刻的脑部CT灌注图像为基础图像， 选取所述特定血管位置彰显时刻的至少一个相 邻时刻 的脑部CT灌注图像为参考图像； 所述目标图像为： 对所述患者注射造影剂后所述特定血管 位置彰显时刻 对患者脑部进 行一次第二辐射剂量率的CT扫描获得的脑部CT 血管造影图像； 所述第一辐射剂量 率低于所述第二辐射剂量 率； 利用所述多组训练数据对所述生成式对抗网络模型进行训练， 得到所述基于机器学习 的图像处 理模型。 8.根据权利要求7所述的脑部医学图像处理系统， 其特征在于， 所述基于机器学习的图 像处理模型的获得方法还包括： 对所述每一组训练数据中的所述目标图像和所述基础图像 进行配准处 理， 使所述目标图像与所述基础图像中的解剖结构对齐。 9.一种脑部医学图像处 理方法， 其特 征在于， 所述方法包括： 获取脑部CT灌注图像序列， 所述脑部CT灌注图像序列包括在对患 者注射造影剂后的一 时间段内连续对患者脑部进行多次CT扫描获得的相应多个时刻的脑部 CT灌注图像； 从所述时间段内确定 至少一个时刻为目标时刻； 利用一基于机器学习的图像处理模型， 根据 所述目标时刻对应的脑部CT灌注图像以及 所述目标时刻的至少一个相邻时刻对应的脑部CT灌注图像， 生成所述目标时刻 对应的脑部 血管造影图像。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求9所述的脑部医学图像处 理方法。权　利　要　求　书 2/2 页 3 CN 113962949 A 3