一种医学图像分析方法以及相关产品

摘要

本方案公开了一种医学图像分析方法以及相关产品，其中，医学图像分析方法包括：对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。本申请的技术方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的分析结果，从而提高脑部病灶情况分析的速度和准确性。

权利要求

1.一种医学图像分析方法，其特征在于，该方法的步骤包括：获取目标对象的脑部医学图像；

在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑动脉 CTA图像，并将脑动脉 CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；或者，

在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，从脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；

根据从脑灌注CTP参考图像中提取的目标病灶属性信息和从脑动脉CTA参考图像中提取的目标病灶属性信息之间的位置关系，确定脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶之间关联性分析结果；其中，若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶具有关联性；

若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与末端闭塞或供血不足问题具有关联性；

若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病灶区域与脑动脉CTA参考图像中的病灶附近存在侧枝循环具有关联性。

2.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像的步骤包括：将所述脑灌注CTP图像对应的脑部医学图像序列进行配准，得到配准的脑灌注CTP图像序列；

从所述脑灌注CTP图像序列中选取动静脉采样点，生成脑动静脉曲线；

根据所述脑动静脉曲线和所述脑灌注CTP图像序列，计算脑灌注参数；其中，所述脑灌注参数包括脑血流峰值时刻、脑血流量、脑血容量和脑血流平均通过时间的至少一种；

根据所述脑灌注参数，计算得到所述脑灌注CTP参考图像。

3.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑CTA数据，并将脑CTA数据中对应脑血管堵塞的图像作为脑动脉CTA参考图像的步骤包括：从多个拍摄时期的脑灌注CTP图像的时间序列最大密度投影TMIP上，定位每一个拍摄时期的脑灌注CTP图像对应的目标动脉区域；

将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；

从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；

根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；

根据与脑动脉CTA图像对应的图像，计算脑血管的堵塞数据，并基于所述堵塞数据，在与脑动脉CTA图像对应的图像上进行标记，获得所述脑动脉CTA参考图像。

4.根据权利要求3所述的方法，其特征在于，在所述目标动脉区域上确定脑动脉采样点的步骤包括：

从所述目标动脉区域的中间范围确定候选采样点；

将所述候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定为所述动脉采样点。

5.根据权利要求1所述的方法，其特征在于，所述脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像的步骤包括：从所述脑动脉CTA图像中分割出脑血管；

根据所述脑血管的血管中心线，计算所述脑血管的堵塞数据；

基于所述脑血管的堵塞数据，在所述脑动脉CTA图像上进行标记以形成所述脑动脉CTA参考图像。

6.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息的步骤包括：对所述脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割，获得脑动脉血管图像；

利用预先构建的病灶识别模型，在所述脑灌注CTP参考图像和所述脑动脉CTA参考图像的脑动脉血管影像中标出目标病灶的属性信息 。

7.根据权利要求1所述的方法，其特征在于，该方法的步骤还包括：以图文报告或结构化报告的形式，展示所述分析结果。

8.一种医学图像分析装置，其特征在于，所述装置包括：处理模块，获取目标对象的脑部医学图像；

在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑CTA数据，并将脑CTA数据中对应脑血管堵塞的图像作为脑动脉CTA参考图像；或者，

在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，从脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；

分析模块，根据从脑灌注CTP参考图像中提取的目标病灶属性信息和从脑动脉CTA参考图像中提取的目标病灶属性信息之间的位置关系，确定脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶之间关联性分析结果；其中，若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶具有关联性；

若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与末端闭塞或供血不足问题具有关联性；

若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病灶区域与脑动脉CTA参考图像中的病灶附近存在侧枝循环具有关联性。

9.一种医学图像分析设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述方法的步骤。

说明书

一种医学图像分析方法以及相关产品

技术领域

[0001] 本发明涉及医学成像领域，特别涉及一种医学图像分析方法、电子设备和计算机可读存储介质。

背景技术

[0002] 脑动脉增强CTA（Computed Tomography Angiography，血管计算机断层扫描）技术和脑CTP（Computed Tomography Perfusion，灌注计算机断层扫描）技术是目前检查脑卒中
相关疾病的重要手段，采用CTA和CTP对大脑扫描得到的医学图像可以统称为脑CT医学图
像。脑动脉CTA图像能够辅助诊断脑动脉血管的狭窄和闭塞等疾病信息，而脑CTP图像可以
辅助诊断脑组织血供信息。目前，对脑CT医学图像的解读是人工读取，人工分析。然而，鉴于
脑疾病的复杂性，这种人工解读脑CT医学图像的方式严重依赖医护人员的经验，在医护人
员的经验不足时，将会带来较大的诊断误差，脑CT医学图像的辅助诊断就失去了意义。

发明内容

[0003] 本申请提供一种针对脑CT医学图像的医学图像分析方法电子设备和计算机可读存储介质，以客观、准确地输出脑疾病的辅助信息，提升对脑疾病的诊断准确率。

[0004] 一方面，本申请提供了

[0005] 一种医学图像分析方法，其特征在于，该方法的步骤包括：

[0006] 对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；

[0007] 根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。

[0008] 第一方面，本申请提供了一种医学图像的处理装置，所述装置包括：

[0009] 处理模块，对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；

[0010] 分析模块，根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。

[0011] 第四方面，本申请提供了一种设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现
如上述医学图像的处理方法的技术方案的步骤。

[0012] 第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述医学图像的处理方法的技术
方案的步骤。

[0013] 本方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的分析结果，
从而提高脑部病灶情况分析的速度和准确性。本方案能够客观、准确地输出脑疾病的辅助
信息，提升对脑疾病的诊断准确率。

附图说明

[0014] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本
申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。

[0015] 图1是本申请实施例提供的医学图像分析方法的流程图；

[0016] 图2是本申请实施例提供的脑部医学图像的处理方法的流程图；

[0017] 图3是本申请实施例提供的脑部医学图像的一种实例的示意图；

[0018] 图4是本申请实施例提供的脑部医学图像的另一种实例的示意图；

[0019] 图5是本申请实施例提供的脑部医学图像的再一种实例的示意图；

[0020] 图6是本方案所述图像识别装置的示意图；

[0021] 图7是本方案所述电子设备的示意图。

具体实施方式

[0022] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于
本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本申请保护的范围。

[0023] 在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情
况下，参照元素或部件或步骤（等）不应解释为局限于仅元素、部件、或步骤中的一个，而可
以是元素、部件、或步骤中的一个或多个等。

[0024] 在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。

[0025] 本申请提出了一种脑CT医学图像分析方法，如附图1所示，主要包括如下步骤：

[0026] 步骤S1、对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；

[0027] 步骤S2、根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。

[0028] 在本方案步骤S1中，包括如下步骤：

[0029] 步骤S101：获取目标对象的脑部医学图像；

[0030] 目标对象的脑部医学图像可以通过扫描的脑医学数字成像通信（Digital Imaging and Communications Of Medicine，DICOM）数据获得。

[0031] 步骤S1021：在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考
图像。

[0032] 本方案中脑部医学图像至少包括脑灌注CTP图像的脑灌注CTP图像。在本申请实施例中，除了脑灌注CTP图像外，脑部医学图像脑还可能包含单独扫描的脑动脉CTA图像，这是
因为有些病患在做脑CTP的医学检查时，还可能会额外做脑CTA的医学检查，当病患做了脑
CTA的医学检查，就可以生成脑动脉CTA图像。若脑部医学图像中仅包含脑灌注CTP图像，这
是因为，病患可能并没有单独做脑CTA的医学检查。

[0033] 通常情况下，脑动脉CTA图像是包含在脑灌注CTP图像中的某一个特定期（即动脉期）。但是，因为脑灌注CTP图像中每个期的分辨率比较低，通常如果有单独扫描的脑动脉
CTA图像，会直接采用较为清晰的脑动脉CTA图像来进行脑病灶情况的分析。如果没有单独
扫描的脑动脉CTA图像，此时，需要从脑灌注CTP图像中提取动脉期的数据作为脑动脉CTA图
像的CTA数据，然后，分析动脉血管的栓塞情况。

[0034] 所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像脑灌注CTP图像。

[0035] 在本申请实施例中，作为本申请一个实施例，根据经步骤S101得到的脑灌注CTP图像，处理得到脑CTP诊断参考图像可以是：将脑灌注CTP图像对应的图像序列进行配准，得到
已配准脑灌注CTP图像；从已配准脑灌注CTP图像中选取动静脉采样点，生成脑动静脉曲线；
根据脑动静脉曲线和已配准脑灌注CTP图像，计算脑灌注参数；根据脑灌注参数，计算得到
脑灌注CTP参考图像，此处，脑灌注参数包括脑血流峰值时刻（Time to Peak，TTP）、脑血流
量（Cerebra Blood Flow，CBF）、脑血容量（Cerebral Blood Volume，CBV）和脑血流平均流
通时间（Mean Transit Time，MTT），等等。上述实施例中，将脑灌注CTP图像对应的图像序列
进行配准可以是基于图像序列的互信息或者相似度，或者基于图像序列的基准影像进行配
准。具体而言，可以是采用互信息算法查找每个图像序列之间互信息最大的变换参数，将互
信息最大的变换参数作为配准参数对图像序列进行序列配准，得到已配准脑灌注CTP图像；
或者，基于中间图像序列和第一图像序列各自所包含的对象区域，获取中间图像序列（中间
图像序列为第二图像序列通过变换模型变换得到）和第一图像序列的相似度，根据中间图
像序列和第一图像序列的相似度，对变换模型的参数进行调整，以将参数调整后的变换模
型用于对第二图像序列进行图像变换以得到更新的中间图像序列，直至更新的中间图像序
列和第一图像序列的相似度满足相似条件时更新的中间图像序列与第一图像序列配准，得
到已配准脑灌注CTP图像；本实施例中，第一图像序列是脑灌注CTP图像对应的图像序列中
可作为配准标准的标准图像，第二图像序列是脑灌注CTP图像对应的图像序列中待配准图
像序列。

[0036] 对从所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉 CTA诊断参考图像脑灌注CTP图像。

[0037] 如前所述，脑部医学图像中仅包含脑灌注CTP图像缺失脑动脉CTA图像。然而，由于脑灌注CTP图像是使用一次打造影剂、在预设时间内连续拍摄的多个时间期图像，这些多个
时期图像（即期像）中动脉显影最好的几个期像即动脉期像接近脑灌注CTP图像的显影效
果。因此，在缺失脑动脉CTA图像的情形下，可以通过从脑灌注CTP图像提取动脉期像数据，
处理得到脑血管计算机断层扫描CTA诊断参考图像。具体地，作为本申请一个实施例，通过
从脑灌注CTP图像提取动脉期像数据，处理得到脑灌注CTP参考图像的步骤可以包括：

[0038] 从多个CTP期像的时间序列最大密度投影TMIP定位每一个CTP期像对应的目标动脉区域。

[0039] 理想状况下，每一个CTP期像中的脑动脉显影明显，而脑静脉显影较弱。然而，实际上，由于造影剂在血管充盈是一个渐进的过程，导致脑动脉末端和脑静脉在显影上并没有
绝对的界限，往往动脉末端显影较好时候静脉也能有较好的显影。基于上述事实，在本申请
实施例中，目标动脉区域应该在CTP期像的时间序列最大密度投影（Time Maximum 
Intensity Projection，TMIP）上寻找。具体而言，可以基于深度学习模型，从多个CTP期像
的TMIP定位每一个CTP期像对应的目标动脉区域。

[0040] 将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；。

[0041] 根据CTA成像原理，对于CTP期像，基底动脉（Basilar Artery，BA）、大脑中动脉（Middle Cerebral Artery，MCA）的一段或者大脑前动脉（Anterior Cerebral Artery，
ACA）等区域体现的脑血管较大，因此，BA、MCA一段或ACA等区域都可以作为确定脑动脉采样
点的理想动脉区域即目标动脉区域，可以在上述区域的任何一个区域上确定脑动脉采样
点。具体而言，在目标动脉区域上确定脑动脉采样点可以是：从目标动脉区域的中间范围确
定候选采样点，将候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定
为动脉采样点。需要说明的是，之所以是从目标动脉区域的中间范围确定候选采样点，是因
为目标动脉区域的边缘具有诸多不确定性，采样时应当尽量远离边缘地带，而预设曲线可
以是二次曲线。

[0042] 由于一个CTP期像可以确定一个脑动脉采样点，因此，多个CTP期像就可以得到相应的多个脑动脉采样点；可以将这多个脑动脉采样点拟合为CT值曲线。为了防止噪点污染
导致后续确定峰值CT值时出错，在将多个脑动脉采样点拟合为CT值曲线之前或同时，除了
对曲线平滑之外，还要将明显偏离曲线的脑动脉采样点作为异常点去掉。

[0043] 从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像。

[0044] 从CT值曲线中比较容易确定一个峰值CT值。由于CT值曲线是以脑动脉采样点的采样时刻为纵轴，因此，理想状况下，确定了峰值CT值，便可以确定峰值CT值对应脑动脉采样
点的采样时刻，从而可以确定是在哪一个CTP期像中进行的脑动脉采样。然而，考虑到BA、
MCA和ACA的差异性，需要对峰值CT值对应脑动脉采样点的采样时刻进行一个加权，加权之
后的峰值CT值所在时刻对应的CTP期像作为脑CTA数据对应的图像。例如，峰值CT值对应脑
动脉采样点的采样时刻为Tmax，加权时间值为T，则将（Tmax+T）时刻对应的CTP期像作为脑
CTA数据对应的图像。至于加权时间值T，是一个经验值，通常，TBA>TMCA>TACA，即按照动脉
采样点是在BA区域、MCA区域还是ACA区域上的不同，给予不同的加权值，具体而言，动脉采
样点在BA区域时加权值T最大，其次是MCA区域上的动脉采样点，加权值T最小的应该是动脉
采样点在ACA 区域上时。

[0045] 根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像进行处理，获得所述脑动脉CTA参考图像。

[0046] 具体地，从所述脑CTA数据对应的图像分割出脑血管，计算脑血管的中心线，根据脑血管的中心线，计算脑血管的堵塞数据，基于脑血管的堵塞数据，在脑CTA数据对应的图
像上进行标记以形成脑CTA诊断参考图像。上述脑血管的堵塞数据，可以是以脑血管的中心
线为基线，计算出来的脑血管狭窄或闭塞的程度指征以及狭窄或闭塞的具体位置等信息。

[0047] 上述步骤中是针对脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，得到脑动脉CTA参考图像的过程。

[0048] 本方案步骤S1022主要是针对脑部医学图像中包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况。此时，可以直接对所述独立扫描的脑动脉CTA图像进行处理，获得脑
动脉CTA参考图像；然后，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像。另外，
步骤1022中对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像的步骤与上述步骤
1021中的处理方式相同，此处不再赘述。

[0049] 本方案中所述的目标区域可以为组织的病变区域。针对目标区域的脑灌注CTP图像和脑动脉CTA图像，是对病变区域的不同角度（维度）的展示图像。

[0050] 步骤S103：从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息。

[0051] 在本申请实施例中，脑灌注CTP参考图像能够一定程度上反映脑疾患者的脑缺血情况，在图像上通常表现为缺血半暗带和核心梗死区，其中，缺血半暗带被算法认为脑组织
已经缺血，但临床上及时施救可恢复的区域，而核心梗死则被算法认为已经脑组织完全梗
死或即使临床上施救也无法恢复的区域；脑动脉CTA参考图像能够反映脑疾患者的脑血管
狭窄或闭塞情况，而脑血管狭窄或闭塞往往导致脑供血不足，是脑组织缺血的主要原因之
一，这种因果关系刚好使得脑灌注CTP参考图像上的病灶与脑动脉CTA参考图像上的病灶也
能够呈现一定的关联关系。对于脑灌注CTP参考图像，临床上一般只考虑脑组织核心梗死区
域和缺血半暗带，而对于脑动脉CTA参考图像，临床上一般只考虑脑血管中度以上的狭窄或
闭塞，轻度以及轻度以下的狭窄或闭塞则不予考虑或只做一般处理。需要说明的是，脑血管
的狭窄或闭塞一般只会存在脑动脉CTA参考图像的单个区域，而核心梗死区域和缺血半暗
带在脑灌注CTP参考图像上却可以跨越多个区域。如图3所示，利用虚线划分的供血区；在实
践中，病灶所在供血区在脑区域的识别划分可以依靠脑区域的配准和对脑主要血管位置的
命名方法来实现。

[0052] 作为本申请一个实施例，步骤S103的实现可以是：利用深度学习全卷积神经网络对脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取病灶图像进行图像分割，得到病灶
区域影像，根据病灶区域影像，在脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取病
灶图像使用边缘检测算法标记出病灶的边界，从而确定病灶的类型、病灶的范围、病灶的尺
寸等属性信息。需要说明的是，上述实施例中的深度学习全卷积神经网络是利用多个脑灌
注CTP参考图像和所述脑动脉CTA参考图像以及标注好了的每个脑灌注CTP参考图像和所述
脑动脉CTA参考图像的病灶区域训练得到，因此，脑灌注CTP参考图像和所述脑动脉CTA参考
图像可以对已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割而得到病
灶区域影像。至于根据病灶区域影像，在已配准脑灌注CTP参考图像和所述脑动脉CTA参考
图像使用边缘检测算法标记出已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像的病
灶边界，具体可以是图像处理设备首先通过边缘检测算法检测得到病灶区域影像的边界，
然后通过轮廓提取算法提取出病灶区域影像中各个边界点的坐标；由于病灶区域影像与已
配准脑灌注CTP参考图像和所述脑动脉CTA参考图像可以全部重叠或者部分重叠在一起，因
此，可以直接按照病灶区域影像中各个边界点的坐标，在已配准脑灌注CTP参考图像和所述
脑动脉CTA参考图像中标记出病灶边界。

[0053] 当从脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取出目标病灶的属性信息之后，可以输出脑疾诊断报告，其中，脑疾诊断报告至少包含脑灌注CTP参考图像和所述
脑动脉CTA参考图像中提取的一项目标病灶的属性信息。作为本申请一个实施例，输出脑疾
诊断报告的实现过程可以是：从脑灌注CTP参考图像和所述脑动脉CTA参考图像中各提取一
项目标病灶的属性信息，作为报告的展示信息。

[0054] 在本方案步骤S2中，可以在获取的脑灌注CTP参考图像和所述脑动脉CTA参考图像中病灶的属性信息的基础上，根据脑灌注CTP参考图像中目标病灶的属性信息和脑动脉CTA
参考图像中目标病灶的属性信息的关联关系，确定所述脑部医学图像中病灶的分析结果。
如图4所示，对比脑灌注CTP参考图像和脑动脉CTA参考图像中同一区域目标病灶的属性信
息；如果脑动脉CTA参考图像某区域出现目标病灶的第一属性信息且脑灌注CTP参考图像在
该区域或者邻近并更加靠外的区域出现目标病灶的第二属性信息的情况下，则认为这两个
病灶具备关联关系。这是因为血管的走向总是从靠内部的核心区域流向靠外部的区域，脑
组织缺血一般源于靠里供血动脉的闭塞。例如，图中的圆圈区域出现狭窄/闭塞，则三角区
域缺血都被认为和圆圈区域具有关联。

[0055] 具体而言，可以按照脑灌注CTP参考图像和所述脑动脉CTA参考图像实际反映的病情，分为三种情形：从脑灌注CTP参考图像提取到了目标病灶的第一属性信息和从所述脑动
脉CTA参考图像中提取到了目标病灶的第二属性信息，根据目标病灶的第一属性信息和第
二属性信息辅助对脑部病灶进行分析，并组成脑疾诊断报告，此为第一种情形；从脑灌注
CTP参考图像提取到了目标病灶的第一属性信息，而脑动脉CTA参考图像中没有提取到目标
病灶的第二属性信息，根据目标病灶的第一属性信息和第二属性信息辅助对脑部病灶进行
分析，并此为第二种情形；从脑动脉CTA参考图像提取到了目标病灶的第一属性信息，而脑
动脉CTA参考图像中没有提取到目标病灶的第一属性信息，此为第三种情形，以下对上述三
种情形详细说明：

[0056] 1）脑CTA诊断参考图像中提取到目标病灶的第一属性信息，脑CTP诊断参考图像中提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中出现脑血管狭窄或闭塞的影
像，脑CTP诊断参考图像中出现缺血半暗带或核心梗死区；临床可以给出的结论是：脑疾患
者的脑血管的BA、MCA、ACA段疑似狭窄或闭塞，脑组织缺血；

[0057] 2）脑CTA诊断参考图像中尚未提取到目标病灶的第一属性信息，脑CTP诊断参考图像中提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中不存在脑血管狭窄或闭塞
的影像，但脑CTP诊断参考图像中存在缺血半暗带或核心梗死区，这种情形一般发生在颅内
动脉的末端、尤其是MCA末端的供血区，临床上需要额外做一次对称性分析，比较两个具有
关联的脑区中血管丰富程度和充盈程度，方案可以是挑选两个对称脑区，将动脉分割区域
提取出来，然后，如图5所示，计算其分割区域的大小以及平均CT值，若分割区域体积小于对
称脑区的2/3，或者分割区域*平均CT值小于对称脑区的1/2，则认为该区域存在末端闭塞或
者其他供血不足的问题，需要提示排查二者是否存在关联关系；

[0058] 3）脑CTA诊断参考图像中提取到目标病灶的第一属性信息，脑CTP诊断参考图像中尚未提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中存在脑血管狭窄或闭塞的
影像，但脑CTP诊断参考图像中不存在缺血半暗带或核心梗死区，对于这种情形，临床上一
般先要判断脑CTA诊断参考图像中提取到的病灶的严重程度，若脑血管狭窄或闭塞程度为
中度甚至中度以上（例如，重度狭窄或闭塞），则一般认为脑组织的局部已产生侧枝循环供
血，需要向医护人员提示，若脑血管狭窄或闭塞程度为中度以下，则一般认为狭窄或闭塞程
度尚未影响到脑组织的供血，可以不用向医护人员提示。

[0059] 通过上述分析方法能够得到脑医学影像中病灶的关联起因。然后，以图文报告或结构化报告的形式，展示所述分析结果。

[0060] 综上所述，本方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的
分析结果，从而提高脑部病灶情况分析的速度和准确性。本方案能够客观、准确地输出脑疾
病的辅助信息，提升对脑疾病的诊断准确率。

[0061] 如图6所示，本方案进一步提供了配合上述医学图像分析方法实施的图像识别装置601，该装置包括：处理模块602和分析模块603。

[0062] 所述处理模型可以用于执行如下步骤：

[0063] 获取目标对象的脑部医学图像；

[0064] 在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像；对从
所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉 CTA诊断参考图像；

[0065] 从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息。

[0066] 优先步骤，该方法的步骤包括：

[0067] 在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，对所述脑动脉CTA图像进行处理，获得脑动脉CTA参考图像；对所述脑灌
注CTP图像进行处理，获得脑灌注CTP参考图像。

[0068] 优先步骤，所述对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像的步骤包括：

[0069] 将所述脑灌注CTP图像对应的脑部医学图像序列进行配准，得到配准的脑灌注CTP图像序列；

[0070] 从所述脑灌注CTP图像序列中选取动静脉采样点，生成脑动静脉曲线；

[0071] 根据所述脑动静脉曲线和所述脑灌注CTP图像序列，计算脑灌注参数；其中，所述脑灌注参数包括脑血流峰值时刻、脑血流量、脑血容量和脑血流平均通过时间的至少一种；

[0072] 根据所述脑灌注参数，计算得到所述脑灌注CTP参考图像。

[0073] 优先步骤，所述对从所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉CTA参考图像的步骤包括：

[0074] 从多个拍摄时期的脑灌注CTP图像的时间序列最大密度投影TMIP上，定位每一个拍摄时期的脑灌注CTP图像对应的目标动脉区域；

[0075] 将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；

[0076] 从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；

[0077] 根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像进行处理，获得所述脑动脉CTA参考图像。

[0078] 优先步骤，在所述目标动脉区域上确定脑动脉采样点的步骤包括：

[0079] 从所述目标动脉区域的中间范围确定候选采样点；

[0080] 将所述候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定为所述动脉采样点。

[0081] 优先步骤，所述对所述脑动脉CTA图像进行处理，获得脑动脉CTA参考图像的步骤包括：

[0082] 从所述脑动脉CTA图像中分割出脑血管；

[0083] 根据所述脑血管的血管中心线，计算所述脑血管的堵塞数据；

[0084] 基于所述脑血管的堵塞数据，在所述脑动脉CTA图像上进行标记以形成所述脑动脉CTA参考图像。

[0085] 优先步骤，所述从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息的步骤包括：

[0086] 对所述脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割，获得脑动脉血管图像；

[0087] 利用预先构建的病灶识别模型，在所述脑灌注CTP参考图像和所述脑动脉CTA参考图像的脑动脉血管影像中标出目标病灶的属性信息。

[0088] 该装置中分析模型可以用于执行如下步骤：

[0089] 若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的
病灶与脑动脉CTA参考图像中的病灶具有直接关联关系；

[0090] 若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中病灶疑似
与末端闭塞或供血不足问题具有关联关系；

[0091] 若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病与脑
动脉CTA参考图像中的病灶附近存在侧枝循环具有关联关系。

[0092] 另外，本该装置还可以配置报告生成模块604，将得到的分析结果，以图文报告或结构化报告的形式输出成结构化报告，供医生或者患者查看。

[0093] 应当理解，本方案中各模块或单元可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行
的软件或固件来实现。例如，具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑
电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable Gate 
Array，PGA)，现场可编程门阵列(Field Programmable Gate Array，FPGA)等。

[0094] 在上述图像分析方法实施方式的基础上，本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品，其可以采用便携式
紧凑盘只读存储器(CD‑ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而，
本方案的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有
形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0095] 所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或
半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举
的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读
存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器
(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

[0096] 计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、
光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介
质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其
结合使用的程序。

[0097] 计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

[0098] 可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码，所述程序设计语言包括面向对象的程序设计语言‑诸如Java、C++等，还包括常规的过
程式程序设计语言‑诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算
设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设
备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网
络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设
备(例如利用因特网服务提供商来通过因特网连接)。

[0099] 在上述图像分析方法实施方式的基础上，本方案进一步提供一种电子设备。如图7所示电子设备仅仅是一个示例，不应对本方案实施例的功能和使用范围带来任何限制。

[0100] 如图7所示，电子设备701以通用计算设备的形式表现。电子设备701的组件可以包括但不限于：至少一个存储单元702、至少一个处理单元703、显示单元704和用于连接不同
系统组件的总线705。

[0101] 其中，所述存储单元702存储有程序代码，所述程序代码可以被所述处理单元703执行，使得所述处理单元703执行上述设备征兆信息获取方法中描述的各种示例性实施方
式的步骤。例如，所述处理单元703可以执行如图1和/或图2中所示的步骤。

[0102] 存储单元702可以包括易失性存储单元，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以进一步包括只读存储单元(ROM)。

[0103] 存储单元702还可以包括具有程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每
一个或某种组合中可能包括网络环境的实现。

[0104] 总线705可以包括数据总线、地址总线和控制总线。

[0105] 电子设备701也可以与一个或多个外部设备707(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/O)接口706进行。应当明白，尽管图中未示出，可
以结合电子设备701使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗
余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

[0106] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可
以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发
明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。