用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法与流程

本发明涉及个性化定制脑疾病诊断，更具体地，涉及一种利用无创磁共振成像获取图像并分析脑组织和脑血管的复合图像，从而能够预测当前脑部的状态、不同疾病的风险程度及疾病的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

背景技术：

随着社会的发展，阿尔茨海默病(alzheimerdiseases)等神经退行性疾病(neurodegenerativediseases)增加。神经退行性疾病是与脑部相关的疾病，因此需要无创诊断方法。

脑部相关疾病的所述无创诊断方法采用超声诊断。

所述方法能够通过颈动脉超声诊断以无创的方式容易诊断颈动脉的粥状动脉硬化性病变。并且，通过经颅多普勒超声(transcranialdoppler)测量颅腔内的脑血流并在临床上应用。

其它方法有脑ct，该方法有助于出血性疾病的诊断，并且，该方法为近年发展的技术，通过拍摄脑血流的状态、脑血管，对治疗脑中风患者有很大的帮助。

并且，利用脑mri的诊断方法可以被视为诊断脑组织状态的最好的方法。脑mri相比脑ct，不受由颅骨造成的人造阴影的影响，从而能够清楚地诊断脑干、小脑、颞叶部位的病灶，能够早期发现脑梗塞，能够细微地诊断脑灌注的状态，并且能够细致地诊断脑血管的状态。

磁共振成像(magneticresonanceimaging，mri)是利用由磁力产生的磁场来获得生体的任一单层像的图像法。mri中可以通过调节图像变量来获得多种图像，并且使弛豫时间短的组织变亮的图像法称为t1强调图像法，使t2弛豫时间长的组织变亮的图像法称为t2强调图像法。并且，调节图像变量以使图像随着弛豫时间越长而变亮，从而能够得到最适合分子图像和细胞图像的t2强调图像。

但是，在上述的通过无创来判断是否得了脑疾病的情况下，存在准确度降低的问题。

上述的利用无创诊断方法的现有技术的脑疾病分析装置只能简单、准确地判断诊断对象是否得了脑疾病，针对障碍的类型以及障碍的预后的预测，在得到mri图像中观察到的病变的含义时主要依赖医生个人的经验。

因此，需要开发能够对诊断对象指定脑疾病，根据不同脑区的脑病变所占的比例来确定障碍类型，根据由所述比例而定的障碍的程度，能够预测障碍的预后的技术。

现有技术文献

(专利文献1)韩国公开专利第10-2015-0057045号

(专利文献2)韩国公开专利第10-2015-0135249号

(专利文献3)韩国公开专利第10-2014-0028534号

技术实现要素：

(一)要解决的技术问题

本发明是为了解决如上所述的现有技术的脑疾病诊断和医学图像处理的问题而提出的，并且本发明的目的在于，提供一种利用无创磁共振成像获取图像，通过分析脑组织和脑血管的复合图像，能够预测当前脑部的状态、不同疾病的风险程度及疾病的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的在于，提供一种选择阿尔茨海默性老年痴呆症、帕金森病及脑中风等重点疾病，并设定适合所选择的疾病的脑区，通过诊断脑组织(braintissue)和脑血管(vessel)的复合图像，能够输出不同个人/疾病的个性化结果的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的在于，提供一种在诊断脑组织(braintissue)和脑血管(vessel)的复合图像时，使用不同年龄段的定制数据并采用机器学习(machinelearning)算法，从而能够进行准确的不同个人/疾病的分析和诊断的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的在于，提供一种利用无创磁共振成像获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像，从而能够有效地对脑组织(braintissue)和脑血管(vessel)的复合图像进行分析和诊断的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的在于，提供一种利用为确认脑血管异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像和用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像，能够准确地进行不同个人/疾病的分析和诊断的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的在于，提供一种通过脑组织和脑血管的分析，以定量数值形式输出不同疾病的相关脑体积(volume)，针对脑的小血管的状态，输出4个小血管等级((正常(none)、轻度(mild)、中度(moderate)、重度(severe))，从而能够精确地预测当前脑部的状态、不同疾病的风险程度及疾病的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法。

本发明的目的并不局限于以上提及的目的，没有提及的其它目的可以通过下面的记载被本领域的普通技术人员清楚地理解。

(二)技术方案

用于实现上述的目的的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统，包括：图像处理部，获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，flair)图像、为确认脑血管异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像及用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像；复合图像分析部，选择诊断对象疾病，根据所选择的疾病设定脑区，从而执行对脑组织(braintissue)、脑血管(vessel)的分析；及不同个人诊断及结果输出部，使用不同年龄段数据db，并通过机器学习(machinelearning)算法来输出脑状态、特定疾病的风险程度、发病的可能性、疾病等的预测结果。

并且，所述图像处理部包括：图像接收部，接收无创磁共振成像；三维t1加权图像获取部，获取用于通过图像接收部确认脑的结构变化和根据所述变化的功能异常与否的三维t1加权图像；二维t2flair图像获取部，获取用于确认反映在脑组织的小血管是否存在异常的二维t2flair图像；三维mra图像获取部，获取用于确认大血管的结构状态和根据所述状态的异常与否的三维mra图像；以及四维相位对比流动图像获取部，获取用于将大血管中的血流流动的状态，以视觉、定量的值进行数值化，并确认血管是否存在异常的四维相位对比流动图像。

并且，所述复合图像分析部包括：诊断对象疾病选择部，选择需要诊断的诊断对象疾病；脑区设定部，根据选择的所述诊断对象疾病，设定需要分析的脑区；脑组织分析部，利用三维t1加权图像进行不同疾病的相关脑区的分割化，从而测量体积(volume)，利用三维t1加权图像并根据脑功能进行区域分割化(segmentation)，从而测量体积；脑血管分析部，利用二维flair图像分析白质高强度信号程度，从而执行小血管分析，利用三维mra图像分析血管迂曲度以及利用四维相位对比流动图像分析血管内血流状态，从而执行大血管分析。

并且，所述脑组织分析部包括：脑结构中心分析部，利用根据疾病而萎缩(atrophy)的脑区不同，利用三维t1加权图像进行不同疾病的相关脑区的分割化，从而测量体积(volume)，由此分析脑区萎缩的程度；脑功能强调分析部，通过将三维t1加权图像根据脑功能进行区域分割化(segmentation)来测量体积，从而分析萎缩程度。

并且，所述脑血管分析部包括：小血管分析部，利用二维fliar图像对脑的白质高强度信号(whitematterhyperintensity，wmh)区域进行自动分割化之后，分阶段地学习体积(volume)和群集(clustering)数量，从而对严重程度进行分类；大血管分析部，将三维mra图像制成最大强度投影(maximumintensityprojection，mip)图像，并且利用最大强度投影图像测量大血管的迂曲(tortuosity)程度，利用四维相位对比流动图像分析血管内的血流状态。

并且，所述不同个人诊断及结果输出部包括：脑体积值输出部，根据选择的疾病，与相关特定区域相似的年龄层的脑的db比较，输出存在区域差的体积的测量值；血管等级输出部，根据选择的疾病，与相关特定区域相似的年龄层的脑的db比较，输出血管等级；及诊断对象疾病状态输出部，根据复合图像分析部的诊断分析，将脑的结构变化和功能性变化输出为数值。

并且，在所述不同个人诊断及结果输出部输出不同个人诊断结果中，显示与所选择的疾病相关的特定区域的图像，并且与图像一起显示与选择的疾病相关的脑信息。

并且，所述各年龄段的数据db以正常人为对象而构建，当选择特定疾病时，提供能够与正常人进行比较分析的基准数据，并且包括：脑结构中心体积db，存储脑结构中心体积信息；脑功能中心体积db，存储脑功能中心体积信息；小血管的白质高强度信号程度db，存储小血管的白质高强度信号信息；大血管的迂曲度db，存储大血管的迂曲信息；大血管的血流状态db，存储大血管的血流状态信息。

并且，所述诊断对象疾病包括：阿尔茨海默性老年痴呆症、帕金森病及脑中风，当诊断对象疾病选择部选择特定疾病时，进行与所述疾病相关的脑神经血管的自动分割化(automaticsegmentation)和脑解剖学区域的自动分割化。

用于实现另一目的的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法，包括以下步骤：在图像处理部完成输入图像时，获取三维t1加权图像、二维t2flair图像、三维mra影图像及四维相位对比流动图像；选择重点疾病，并根据所选择的疾病设定脑区；诊断并分析脑组织(braintissue)和脑血管(vessel)的复合图像；及使用脑组织(brain)和脑血管(vessel)的复合图像诊断结果和不同年龄段的定制数据，执行不同个人诊断；输出根据脑组织(braintissue)和脑血管(vessel)的复合图像的诊断和分析的脑状态、特定疾病的风险程度、发病的可能性、疾病的预测结果。

并且，在分析脑组织(braintissue)和脑血管(vessel)的复合图像的步骤中，脑组织(braintissue)图像的诊断和分析包括：脑结构中心分析，利用根据疾病而萎缩(atrophy)的脑区不同，通过利用三维t1加权图像对不同疾病的相关脑区进行分割化从而测量体积(volume)，由此分析脑区萎缩的程度；脑功能强调分析，根据脑功能对三维t1加权图像进行区域分割化(segmentation)从而测量体积，由此分析萎缩的程度。

并且，用于脑结构中心分析的分析区域包括灰质(graymatter)、白质(whitematter)、脑髓液(cerebrospinalfluid，csf)。

并且，用于脑功能强调分析的脑区的设定中，根据选择包括阿尔茨海默性老年痴呆疾病、帕金森疾病及脑中风疾病而设定为不同。

并且，在分析脑组织(braintissue)和脑血管(vessel)的复合图像的步骤中，脑血管(vessel)图像的诊断和分析包括：小血管分析，在利用二维fliar图像自动分割脑的白质高强度信号(whitematterhyperintensity，wmh)区域之后，分阶段地学习体积(volume)和群集(clustering)数量并对严重程度进行分类；大血管分析，将三维mra图像制作成最大强度投影(maximumintensityprojection，mip)图像，利用最大强度投影图像测量大血管迂曲度(tortuosity)，并且利用四维相位对比流动图像分析血管内血流状态。

并且，通过小血管分析，将脑的白质(whitematter)的变化的严重程度分为正常(none)、轻度(mild)、中度(moderate)、重度(severe)4个阶段。

并且，在大血管分析时，以基底动脉(basilarartery，ba)、左侧、右侧中大脑动脉(middleceebraartery，mca)作为测定区域，测量各血管的贯穿长度(passlength)、直线长度(directlength)、迂曲度(tortuosity)值，并且利用血管的速度(velocity)、压力(pressure)、壁面剪应力(wallsharestress)、血流流动量(flow)来评价血管的状态。

并且，在大血管分析时，三维mra图像用于为确认脑血管异常而只将血管图像化，四维相位对比流动图像用于根据时间的变化，连续地获取三维图像，通过后处理(post-processing)过程，将血管中的血流的流动速度[cm/秒]、压力[pa]、壁面剪应力[n/m²]、血流流动量[ml/秒]提取为定量值。

(三)有益效果

如上所述的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法具有如下效果。

第一，利用无创磁共振成像来获取图像，并且能够通过分析脑组织和脑血管的复合图像，预测当前脑部的状态、不同疾病的风险程度及疾病。

第二，选择阿尔茨海默性老年痴呆症、帕金森病及脑中风等重点疾病，并设定适合所选择疾病的脑区，通过诊断脑组织(braintissue)和脑血管(vessel)的复合图像，能够输出不同个人/疾病的定制结果。

第三，在诊断脑组织(braintissue)和脑血管(vessel)的复合图像时，使用不同年龄段的定制数据并采用机器学习(machinelearning)算法，从而能够实现准确的不同个人/疾病的分析和诊断。

第四，获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像，从而能够有效地对脑组织(braintissue)和脑血管(vessel)的复合图像进行分析和诊断。

第五，利用为确认脑血管异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像和用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像，能够准确地进行不同个人/疾病的分析和诊断。

第六，通过脑组织和脑血管的分析，以定量数值形式输出不同疾病的相关脑体积(volume)，针对脑的小血管的状态，输出4个小血管等级((正常(none)、轻度(mild)、中度(moderate)、重度(severe))，从而能够精确地预测当前脑部的状态、不同疾病的风险程度及疾病。

附图说明

图1是根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统的构成图。

图2是不同年龄段数据db的详细的构成图。

图3是示出根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法的流程图。

图4是根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统的详细的处理构成图。

图5是根据重点疾病种类的相关脑区的分类表。

图6是正常的脑部的功能性分类构成图。

图7是脑部的详细的功能性分类构成图。

图8是示出脑血管分析部的分析过程的构成图。

图9是示出利用四维相位对比流动图像的血管内血流状态分析的构成图。

图10是示出输出诊断对象疾病状态的一个例子的构成图。

最佳实施方式

根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统的特征在于，包括：图像处理部，获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像、为确认脑血管异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像及用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像；复合图像分析部，选择诊断对象疾病，根据所选择的疾病设定脑区，从而执行对脑组织(braintissue)、脑血管(vessel)的分析；不同个人诊断及结果输出部，使用不同年龄段数据db，并通过机器学习(machinelearning)算法来输出预测脑状态、不同疾病的风险程度、发病的可能性、疾病等的结果。

具体实施方式

下面，对根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法的优选实施例进行详细说明如下。

根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法的特征和优点通过对下面的各实施例的详细说明会变得更加清楚。

图1是根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统的构成图，图2是不同年龄段数据db的详细的构成图。

根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法利用无创磁共振成像获取图像并分析脑组织和脑血管的复合图像，能够预测当前脑的状态、不同疾病的风险程度及疾病。

因此，本发明包括选择阿尔茨海默性老年痴呆症、帕金森病及脑中风等重点疾病，并设定适合所选择的疾病的脑区，通过诊断脑组织(braintissue)和脑血管(vessel)的复合图像来输出不同个人/疾病的定制结果的构成。

并且，本发明包括在诊断脑组织(braintissue)和脑血管(vessel)的复合图像时，使用不同年龄段的定制数据并采用机器学习(machinelearning)算法来执行不同个人/疾病的分析诊断的构成。

本发明包括获取三维t1加权图像(3dt1weightedimage)和二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像并执行脑组织(braintissue)和脑血管(vessel)的复合图像的分析诊断的构成。

本发明包括利用为确认脑血管的异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像和用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像来执行不同个人/疾病的分析诊断的构成。

本发明包括通过分析脑组织和脑血管，按不同疾病将相关的脑体积(volume)以定量数值输出，并且针对脑的小血管的状态，输出4个小血管等级(正常(none)、轻度(mild)、中度(moderate)、重度(severe))的构成。

如上所述的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法执行对脑组织和脑血管的复合图像的分析，并且包括脑结构中心分析、脑功能强调分析、小血管分析、大血管分析。

脑结构中心分析方法利用根据疾病而萎缩(atrophy)的脑区不同，当选择特定疾病时，自动地对与该疾病相关的脑区进行分割(segmentation)，并且基于此，搜索相比正常人由于特定的疾病而萎缩得更快的脑区，并且以相对％标记脑区萎缩的程度。

并且，脑功能强调分析方法中，根据脑的解剖学结构，被区分为负责不同功能的区，例如，被区分为额叶(负责根据思考、判断的身体的动作)、顶叶(负责身体感觉信息)、颞叶(负责语言功能、听/知觉处理、长期记忆和情绪)、枕叶(负责视觉处理和认知功能)，对负责脑的功能的上述脑区进行自动分割，并且以相对％标记相比正常人该萎缩程度进行到何种程度。

并且，小血管分析方法中，将脑的白质(whitematter)的变化的严重程度分为4个阶段，即，正常(none)、轻度(mild)、中度(moderate)、重度(severe)。

在利用二维fliar图像自动分割脑的白质高强度信号(whitematterhyperintensity，wmh)区之后，分阶段地学习体积(volume)和群集(clustering)数量并分类严重程度。

并且，大血管分析方法中，将三维mra图像制作成最大强度投影(maximumintensityprojection，mip)图像，并且利用最大强度投影图像测量大血管迂曲度(tortuosity)。

测定区总共为3处，分别为基底动脉(basilarartery，ba)、左侧和右侧的中大脑动脉(middlecerebralartery，mca)。

针对各血管，测量贯穿长度(passlength)、直线长度(directlength)、迂曲度(tortuosity)值。

并且，利用血管的速度(velocity)、压力(pressure)、壁面剪应力(wallshearstress)、血流流动量(flow)评价血管的状态。

如图1所示，根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统包括：图像处理部100，利用无创磁共振成像获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像、为确认脑血管异常而只将血管图像化的磁共振血管造影(magneticresonanceangiogram，mra)图像及用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像；复合图像分析部200，选择诊断对象疾病，设定根据所选择的疾病设定脑区，从而执行对脑组织(braintissue)、脑血管(vessel)的分析；不同个人诊断及结果输出部300，使用不同年龄段数据db400，并通过机器学习(machinelearning)算法来输出预测脑状态、不同疾病的风险程度、发病的可能性、疾病等的结果。

其中，图像处理部100包括：图像接收部10，接收无创磁共振成像；三维t1加权图像获取部11，获取用于通过图像接收部10确认脑的结构变化和根据所述变化的功能异常与否的三维t1加权图像(3dt1weightedimage)；二维t2flair图像获取部12，获取用于确认反映在脑组织的小血管是否存在异常的二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像；三维mra图像获取部13，获取用于确认大血管的结构状态和根据所述状态的异常与否的三维磁共振血管造影(magneticresonanceangiogram，mra)图像；以及四维相位对比流动图像获取部14，获取用于将大血管中的血流流动的状态以视觉、定量的值进行数值化，并确认血管是否存在异常的四维相位对比流动图像。

并且，复合图像分析部200包括：诊断对象疾病选择部20，从阿尔茨海默性老年痴呆症、帕金森疾病及脑中风疾病等重点疾病中选择需要诊断的诊断对象疾病；脑区设定部21，根据从诊断对象疾病选择部20选择的诊断对象疾病，设定需要分析的脑区；脑组织分析部22，利用三维t1加权图像对不同疾病的相关脑区进行分割化，从而测量体积(volume)，利用三维t1加权图像并根据脑功能进行区域分割化(segmentation)，从而测量体积；脑血管分析部23，利用二维flair图像分析白质高强度信号程度，从而执行小血管分析，利用三维mra图像分析血管迂曲度，以及利用四维相位对比流动图像分析血管内血流状态，从而执行大血管分析。

其中，当在诊断对象疾病选择部20选择特定疾病时，进行与该疾病相关的脑神经血管的自动分割化(automaticsegmentation)和脑解剖学区域的自动分割化。

并且，脑组织分析部22包括：脑结构中心分析部22a，利用根据疾病而萎缩(atrophy)的脑区不同，并利用三维t1加权图像进行不同疾病的相关脑区的分割化，从而测量体积(volume)，由此搜索相比正常人由于特定疾病而萎缩得更快的脑区，并分析被萎缩的脑区和其萎缩程度；脑功能强调分析部22b，利用三维t1加权图像，通过根据额叶(思考、判断)、颞叶(语言、听觉、长期记忆)、顶叶(知觉、身体感觉信息)、枕叶(视觉识别)等脑功能进行的区域分割化(segmentation)来测量体积，从而分析相比正常人的萎缩程度。

并且，脑血管分析部23包括：小血管分析部23a，利用二维fliar图像对脑的白质高强度信号(whitematterhyperintensity，wmh)区域进行自动分割化之后，分阶段地学习体积(volume)和群集(clustering)数量，以分类严重程度；大血管分析部23b，将三维mra图像制成最大强度投影(maximumintensityprojection，mip)图像，并且利用最大强度投影图像测量大血管的迂曲度(tortuosity)，利用四维相位对比流动图像分析血管内的血流状态。

并且，不同个人诊断及结果输出部300包括：脑体积值输出部30，根据所选择的疾病，与相关特定区域相似的年龄层的脑的db比较，并输出存在区域差的体积的测量值；血管等级输出部31，根据所选择的疾病，与相关特定区域相似的年龄层的脑的db比较，并输出血管等级；诊断对象疾病状态输出部32，根据复合图像分析部200的诊断分析，将脑的结构变化和功能性变化以数值形式输出。

作为具有如上所述的结构的不同个人诊断及结果输出部300输出不同个人诊断结果的例子，如图4和图10所示，显示所选择的疾病(阿尔茨海默性老年痴呆症)的相关特定区域的图像，并且与图像一起显示[灰质：20％↓][海马：40％↓][额叶：14％↓][小血管等级：3][大血管等级：3]等信息。

如上所述的图像的显示和疾病相关脑信息的显示根据所选择的疾病而不同。

并且，如图2所示，各年龄段的数据db400均以正常人为对象而构建，当选择特定疾病时，提供能够与正常人进行比较分析的基准数据。

所述构成包括：脑结构中心体积db40，存储脑结构中心体积信息；脑功能中心体积db41，存储脑功能中心体积信息；小血管的白质高强度信号程度db42，存储小血管的白质高强度信号信息；大血管的迂曲度db43，存储大血管的迂曲信息；大血管的血流状态db44，存储大血管的血流状态信息。

相比利用通常被使用的脑体积(volume)db的平均值，标准偏差差异的评价方法很大程度上取决于数据的数值。

标准偏差差异的评价方法中，如果数据不符合正规分布图，则基于标准偏差的差异的评价没有意义。如果标准偏差大于平均值，则实际上统计没有意义。

标准偏差差异的评价方法不考虑上述问题。

并且，当进行正常群和疾病群的群分类时，如果诊断所需要的特征(feature)为多种时，则无法进行分类。根据各特征，平均值和标准偏差均不同，因此难以评价用哪个特征为基准来诊断。

根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法中，为了克服上述的局限性，利用机器学习(machinelearning)执行群分类。

利用群分类机器学习方法中作为指导学习方法的支持向量机(supportvectormachine，svm)分类方法。

如上所述，当利用svm群分类方法时，由于是利用图案中心距离比例的分类算法，因此分析输入数据的图案时，能够克服现有的标准偏差评价方法的局限性，并且能够从多个特征(multiplefeatures)中自动提取分类准确度最高的特征。

如上所述，根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法为如下。

图3是示出根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法的流程图。

如图3所示，在完成输入图像(s301)时，获取三维t1加权图像(3dt1weightedimage)、二维t2液体衰减反转恢复(2dt2fluidattenuatedinversionrecovery，2dt2flair)图像(s302)。

并且，获取三维磁共振血管造影(magneticresonanceangiogram，mra)图像和用于确认血管中流动的血流的状态的四维相位对比流动(phase-contrastflow)图像(s303)。

三维磁共振血管造影(magneticresonanceangiogram，mra)图像为了确认动脉瘤、血管畸形、血管形态等脑血管异常而只对血管进行图像化。

并且，四维相位对比流动(phase-contrastflow)图像是用于确认血管中流动的血流的状态的图像，根据时间的变化，连续地获取三维图像。然后通过后处理(post-processing)过程，将血管中的血流的流动速度[cm/秒]、压力[pa]、壁面剪应力[n/m²]、血流流动量[ml/秒]提取为定量值。

接着，选择阿尔茨海默性老年痴呆症、帕金森病及脑中风等重点疾病(s304)，并设定适合所选择的疾病的脑区(s305)。

其中，可如下所述设定适合所选择的疾病的脑区。

如示出根据重点疾病种类的相关脑区分类表的图5所示，当选择阿尔茨海默性老年痴呆症时，设定的脑区为(全脑(totalbrain)、总脑白质(totalcerebralwhitematter)、总脑灰质(totalcerebralgraymatter)、全小脑(totalcerebellum)、小脑白质(cerebellarwhitematter)、小脑灰质(cerebellargraymatter)、全脑干(totalbrainstem)、中脑(midbrain)、脑桥(pons)、延髓(medullaoblongata)、基底核(basalganglia)、壳(putamen)、苍白球(globuspallidus)、齿状核(dentatenucleus)、丘脑(thalamus)、额叶(frontallobe)、顶叶(parietallobe)、枕叶(occipitallobe)、颞叶(temporallobe)、不同叶(lobe)的灰质(graymatter)、不同叶(lobe)的白质(whitematter)、总脑室容积(totalventriclevolume)、侧脑室(lateralventricle)、颞脑室(temporalventricle)、额叶(frontallobe)(具体为，中央前回(precentralgyrus)、前额(prefrontal)、额上回(superiorfrontalgyrus)、额中回(middlefrontalgyrus)、额下回(inferiorfrontalgyrus)、三角部(parstriangularis)、眶部(parsorbitalis)、侧眶额(lateralorbitofrontal))、顶叶(parietallobe)中的角回(angulargyrus)、缘上回(supramarginalgyrus)、顶上小叶(superiorparietallobule)、顶下小叶(inferiorparietallobule)、中央后回(postcentralgyrus)、楔前叶(precuneus)、颞叶(temporallobe)中的上面(superior)、中间(middle)、颞下回(inferiortemporalgyrus)、枕颞内外侧回(medialandlateraloccipitotemporalgyrus)、海马旁回(parahippocampalgyrus)、海马(hippocampus)、杏仁核(amygdala)、枕叶(occipitallobe)中的舌回(lingualgyrus)、楔叶(cuneus)、扣带回(cingulategyrus)、胼胝体(corpuscallosum)、内囊(internalcapsule)、外囊(externalcapsule)、岛叶(insularcortex))。

并且，当选择帕金森病时，设定的脑区为(老年痴呆症区+大脑脚(cerebralpeduncle)、黑质(substantianigra)、nigrosome(脑部mri图像中白色的圆形部分)、红核(rednucleus)、上下小脑丘(superiorandinferiorcerebellarcolliculus)、脑导水管和导水管周围灰质(cerebralaqueductandperiaqueductalgreymatter))。

并且，当选择脑中风时，设定的脑区为(不同的动脉区域(territory)(大脑中动脉(middlecerebralartery，mca)区域(territory))等)。

并且，根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法中的脑的功能性分类如下。

如示出正常脑的功能性分类构成的图6所示，使用认知区域、运动性语言区域、身体运动区域、身体感觉区域(第一次、第二次)、听觉区域、听觉语言区域、语言听力区域、视觉区域等功能性分类。

并且，在复合图像分析部200利用三维t1加权图像进行不同疾病的相关脑区的分割化，从而测量体积(volume)，利用三维t1加权图像并根据脑功能进行区域分割化(segmentation)，从而测量体积，利用二维flair图像分析白质高强度信号程度，从而执行小血管分析，利用三维mra图像分析血管迂曲度以及利用四维相位对比流动图像分析血管内的血流状态，从而执行大血管分析，由此诊断脑组织(braintissue)和脑血管(vessel)的复合图像(s306)。

接着，使用脑组织(braintissue)和脑血管(vessel)的复合图像诊断结果和不同年龄段的定制数据来执行不同个人诊断(s307)。

并且，将不同疾病的相关脑体积(volume)输出为定量的数值，针对脑的小血管的状态，输出4个小血管等级(正常(none)、轻度(mild)、中度(moderate)、重度(severe))(s308)。

并且，输出当前脑的状态、不同疾病的风险程度、疾病的预测结果(s309)。

下面对如上所述的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理方法的各步骤进行具体说明。

图4是根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统的详细处理构成图。

根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法中使用的图像的种类和使用目的如下。

①三维t1加权图像用于确认脑的结构变化和根据所述变化的功能异常与否，②二维t2flair图像用于确认反映在脑组织的小血管是否存在异常③三维mra图像用于确认大血管的结构状态和根据所述结构状态的异常与否④四维相位对比流动图像用于将大血管中的血流流动的状态以视觉、定量的值进行数值化，以确认血管是否存在异常。

本发明中，脑组织的分析通过脑结构中心和脑功能中心的分析来进行。

脑结构中心的分析是利用三维t1加权图像进行不同疾病的相关脑区的分割化，从而测量体积(volume)而进行，分析区域为灰质(graymatter)、白质(whitematter)、脑脊液(cerebrospinalfluid，csf)。

并且，与疾病相关的脑区为阿尔茨海默性老年痴呆症(海马(hippocampus)、楔前叶(precuneus)、杏仁核(amygdala)等)、帕金森病(壳(putamen)、黑质(substantianigra)等)、脑中风(各动脉的供应血管的区域等)。

分析方法利用根据疾病萎缩(atrophy)的脑区不同，当选择特定疾病时，自动地对与该疾病相关的脑区进行分割(segmentation)，因此基于此搜索相比正常人由于特定的疾病而萎缩得更快的脑区，并且以相对％标记脑区萎缩的程度。

例如，示出为不同个人的海马(hippocampus)萎缩程度[％]＝海马区域的体积[mm³]/整个脑区[mm³]*100。

海马的尺寸可能根据不同的个人存在差异，因此，以整个脑组织区域为基准，以相对％计算并进行标记。

并且，脑功能中心的分析是通过利用三维t1加权图像进行与脑功能相关的区域的分割化来进行，如图7所示，脑功能区域是根据额叶(思考、判断)、颞叶(语言、听觉、长期记忆)、顶叶(知觉、身体感觉信息)、枕叶(视觉识别)等脑功能进行区域分割化(segmentation)，从而测量体积。

分析方法是利用根据脑的解剖学结构具有负责的功能，对负责脑的所述功能的脑区进行自动分割，并且以相对％标记相比正常人该萎缩程度进行到何种程度。

并且，脑血管的分析将小血管和大血管分开分析并评价。

图8是示出脑血管分析部的分析过程的构成图。

小血管的分析是通过利用二维flair图像分析白质高强度信号程度来进行，并且将脑的白质(whitematter)的变化的严重程度分为4个阶段。

严重程度的4个阶段可以分为正常(none)、轻度(mild)、中度(moderate)、重度(severe)。

在利用二维fliar图像自动分割脑的白质高强度信号(whitematterhyperintensity，wmh)区之后，分阶段地学习体积(volume)和群集(clustering)数量并分类严重程度。

并且，大血管的分析是通过利用三维mra图像分析血管的迂曲度来进行。

将三维mra图像制作成最大强度投影(maximumintensityprojection，mip)图像，并且利用最大强度投影图像测量大血管迂曲度(tortuosity)。

测定区总共为3处，分别为基底动脉(basilarartery，ba)、左侧和右侧的大脑中动脉(middlecerebralartery，mca)。针对各血管，测量贯穿长度(passlength)、直线长度(directlength)、迂曲度(tortuosity)值。

并且，利用四维相位对比流动图像的血管内血流的状态分析如下。

图9是示出利用四维相位对比流动图像的血管内血流的状态分析的构成图。

四维相位对比流动图像是用于确认血管中流动的血流的状态的图像，根据时间的变化，连续地获取三维图像。

然后经过后处理(post-processing)过程，提取能够评价血管中的血流状态的因子。作为成果，可以将血管速度(velocity)[cm/秒]、压力(pressure)[pa]、壁面剪应力(wallsharestress)[n/m²]、血流流动量(flow)[ml/秒]提取为定量值。

以上说明的根据本发明的用于个性化定制脑疾病诊断和状态判定的医学图像处理系统及方法选择阿尔茨海默性老年痴呆症、帕金森病及脑中风等重点疾病，并设定适合所选择的疾病的脑区，能够通过诊断脑组织(braintissue)和脑血管(vessel)的复合图像来输出不同个人/疾病的定制结果。

并且，本发明在诊断脑组织(braintissue)和脑血管(vessel)的复合图像时，使用不同年龄段的定制数据并采用机器学习(machinelearning)算法，从而能够执行不同个人/疾病的分析诊断。

综上所述，能够理解在不脱离本发明的本质特性的范围内，本发明以变形的形式实现。

因此，上述的实施例应被视为起到说明作用而不是限制作用，本发明的范围由权利要求书确定而不是上述的说明，并且应理解为在与权利要求书等同的范围内的所有不同点均包含在本发明中。