[發(fā)明專利]一種基于體素的全腦QSM聯合ROI分析的方法

在審

• 申請?zhí)枺?/td>: 202111091612.2
• 申請日: 2021-09-17
• 公開（公告）號: CN113763374A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設計）人: 陳平;張秋麗;牛晨;段倩倩
• 申請（專利權）人: 西安國際醫(yī)學中心有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/30;G06T5/00;G06K9/32
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 李娜

1.一種基于體素的全腦QSM聯合ROI分析的方法,其特征在于，包括：

獲取QSM圖像，創(chuàng)建全腦樣本模板；根據所述QSM圖像和所述全腦樣本模板的配準關系，進行體素的QSM全腦分析，獲得全腦QSM結果；

基于所述全腦QSM結果，結合Brainnetome圖集和OASIS-TRT-20融合模板，進行ROI分析，獲得目標分析結果。

2.根據權利要求1所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，獲取所述QSM圖像包括：

通過梯度回波序列獲得原始QSM圖像，通過多回波磁敏感對所述原始QSM圖像進行加權，基于加權后的QSM圖像進行拉普拉斯的相位去卷積，獲得不同回波時間下的去卷積相位圖，將所述相位圖標準化并通過復雜調和偽影去除法進行背景相位移除；基于條件的LSQR技術進行頻率加權，獲得所述QSM圖像。

3.根據權利要求2所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，獲取所述QSM圖像還包括：

基于非線性最小二乘法擬合，獲得初始場圖，通過傅里葉變換和拉普拉斯變換，獲得每個回波時間下基于拉普拉斯算子的相位解纏繞；將每個回波時間下解纏繞后的相位圖像，通過相應的回波時間進行標準化，獲得頻移；通過條件最小二乘法和所述頻移，獲得所述QSM圖像。

4.根據權利要求1所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，

創(chuàng)建所述全腦樣本模板包括：

對T1結構像數據進行射頻偏移校正，獲得校正T1結構像；

對所述校正T1結構像去頭皮、配準生成所述全腦樣本模板。

5.根據權利要求4所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，所述配準包括四次線性配準和六次非線性配準。

6.根據權利要求4所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，

對所述T1結構像數據進行射頻偏移校正包括：

基于混合高斯模型，獲得直方圖，通過給定均值和方差，采用馬爾科夫隨機場標記體素，實現射頻偏移校正。

7.根據權利要求1所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，

獲得所述全腦QSM結果包括：根據所述QSM圖像和所述全腦樣本模板的配準關系，采用非線性及剛性變化，對所述QSM圖像進行配準及平滑處理，基于廣義線性模型，通過非參數置換檢驗，獲得基于體素的全腦QSM分布差異圖。

8.根據權利要求7所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，

所述QSM圖像和所述全腦樣本模板的配準包括：

基于剛性和仿射配準，將幅度圖配準至個體高清結構像空間，獲得配準矩陣；通過線性插值法將所述QSM圖像，采用所述配準矩陣及變形圖，配準至樣本模板空間。

9.根據權利要求7所述的基于體素的全腦QSM聯合ROI分析的方法，其特征在于，

所述平滑處理之前，還包括對所述QSM圖像進行平滑補償處理；

所述平滑補償處理包括:

將射頻偏移校正后的3D結構像進行分割，并將分割后的灰質、白質圖像相加，獲得全腦實質圖；

將所述全腦實質圖配準到所述樣本模板空間，獲得腦實質蒙片；

基于fslmaths的3D高斯核進行卷積，獲得全腦實質蒙片平滑圖像和平滑QSM圖像；

基于體素方式，去除所述平滑QSM圖像中的所述全腦實質蒙片平滑圖像，獲得平滑補償后的QSM空間平滑圖像。